Pandas mean函数返回全NaN问题咨询

这个问题的核心在于空字符串（''）导致列数据类型变为object，而numeric_only=True会过滤掉非数值类型的列，最终没有可用的数值列来计算行均值，所以返回全NaN。咱们一步步理清楚：

为什么第一个例子能正常工作？ #

你提到第一个例子用df['avg'] = df[['A1','A2']].mean(axis=1, numeric_only=True)得到了正确结果，这其实是因为第一个例子里的A1列全是整数（数据类型为int64，属于数值类型），numeric_only=True会保留这个列参与计算。至于A2列的空字符串能被忽略，大概率是你实际代码里把空字符串替换成了pd.NA或np.nan（而非原生空字符串）——这种情况下A2列会变成float64类型（因为NaN是浮点型），同样被numeric_only=True纳入计算，均值函数会自动跳过NaN值。

第二个例子为什么全是NaN？ #

当你的DataFrame里A1和A2列都混合了空字符串和数值时，这两列的数据类型会被自动设为object（混合类型）。而numeric_only=True的作用是只保留数据类型为数值（int、float、bool）的列，这时候两个列都被过滤掉了，没有可用的列来计算行均值，自然所有结果都是NaN。

正确的解决方案 #

要解决这个问题，我们需要先把空字符串转换为数值类型的缺失值（NaN），同时将列转为数值类型，之后再计算均值：

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame([{'A1':10, 'A2':''}, {'A1':'','A2':110}, {'A1':12,'A2':120}])

# 第一步：把空字符串转为NaN，同时将列转为数值类型
df[['A1', 'A2']] = df[['A1', 'A2']].apply(pd.to_numeric, errors='coerce')

# 第二步：计算行均值（此时列都是数值类型，numeric_only=True可以省略）
df['avg'] = df[['A1', 'A2']].mean(axis=1)

# 可选：把NaN转回空字符串用于展示
df[['A1', 'A2']] = df[['A1', 'A2']].fillna('')

运行这段代码后，你会得到符合预期的结果：

关键总结 #

• 空字符串会让列类型变成object，被numeric_only=True过滤；
• 必须先将空字符串转为数值类型的缺失值（NaN），让列成为数值类型，才能让均值函数正确忽略缺失值计算；
• pd.to_numeric(errors='coerce')是处理这类混合类型数据的常用方法，它会把无法转为数值的内容（比如空字符串）转为NaN。

内容的提问来源于stack exchange，提问作者Gonzalo