如何合并Pandas DataFrame数据并计算统计值（去除NaN）

你遇到的NaN是因为iloc取的两部分数据来自不同列，concat时会保留原列名，导致合并后的DataFrame有两列，每列只有4个有效值，其余都是NaN。另外你写的numeric_only=int是错误用法，这个参数需要传布尔值True/False，不是int类型，这也是均值计算失败的原因之一。

方案1：合并成无NaN的一维数据（列表/Series） #

直接把两部分数据提取成一维格式，再合并，这样就不会有NaN：

# 取数据时用单索引（避免得到二维DataFrame）
n1 = df.iloc[0:4, 2]  # 得到单列Series
n2 = df.iloc[4:8, 13]  # 注意：原代码4:9会取5行，你说总共有8个值，所以应该是4:8（左闭右开）

# 合并成一个Series
total = pd.concat([n1, n2], axis=0)

# 计算均值
mean = total.mean()

如果要转成普通列表，直接用total.tolist()即可。

方案2：直接计算统计值，无需合并 #

不用合并数据，直接对两部分数据的集合计算均值：

mean = pd.concat([df.iloc[0:4,2], df.iloc[4:8,13]]).mean()

或者用numpy直接计算：

import numpy as np
mean = np.mean(np.concatenate([df.iloc[0:4,2].values, df.iloc[4:8,13].values]))

方案3：修复原合并代码，处理NaN后计算 #

如果一定要保留原DataFrame结构，可以先把两列的数据合并到同一列，再去掉NaN：

n1 = df.iloc[0:4,2:3]
n2 = df.iloc[4:8,13:14]

# 把n2的列名改成和n1一致，再合并
n2.columns = n1.columns
total = pd.concat([n1, n2], axis=0)

# 去掉NaN后计算均值
mean = total.dropna().mean()

或者直接在计算均值时忽略NaN（Pandas的mean默认就忽略NaN，只要列是数值型）：

# 注意numeric_only传True，不是int
mean_cols = total.mean(axis=0, numeric_only=True)
# 若要整体所有有效值的均值，拉平后计算
mean_total = total.stack().mean()

内容的提问来源于stack exchange，提问作者St. Jimmy