如何计算列表/Series/DataFrame中仅正数的均值（排除负数、零、NaN）

下面针对普通数字列表、Pandas Series和DataFrame三种场景，分别给出具体实现：

1. 处理普通数字列表 #

先筛选出所有大于0且非NaN的元素，再计算均值（避免空列表除以0的错误）：

import pandas as pd  # 用于判断NaN，也可使用math.isnan，但需注意int类型不能直接用math.isnan

nums = [1, -2, 0, 3.5, float('nan'), 5, -0.5]
# 过滤出符合条件的正数
positive_nums = [x for x in nums if isinstance(x, (int, float)) and not pd.isna(x) and x > 0]
# 计算均值，空列表时返回NaN
mean_positive = sum(positive_nums) / len(positive_nums) if positive_nums else float('nan')
print(mean_positive)  # 输出: 3.1666666666666665

2. 处理Pandas Series #

利用Pandas的布尔索引和内置均值方法，自动忽略NaN：

import pandas as pd

s = pd.Series([1, -2, 0, 3.5, float('nan'), 5, -0.5])
# 筛选正数并计算均值
mean_positive = s[s > 0].mean()
print(mean_positive)  # 输出: 3.1666666666666665

3. 处理Pandas DataFrame #

按列计算每列的正数均值 #

df = pd.DataFrame({
    'A': [1, -2, 0, float('nan'), 5],
    'B': [-3, 4, 0, 6, float('nan')],
    'C': [0, -1, 2, 3, -4]
})
# 筛选各列正数后按列求均值
col_mean_positive = df[df > 0].mean()
print(col_mean_positive)
# 输出:
# A    3.0
# B    5.0
# C    2.5
# dtype: float64

按行计算每行的正数均值 #

# 筛选各行正数后按行求均值
row_mean_positive = df[df > 0].mean(axis=1)
print(row_mean_positive)
# 输出:
# 0    1.0
# 1    4.0
# 2    2.0
# 3    3.0
# 4    5.0
# dtype: float64

内容的提问来源于stack exchange，提问作者Hassan Al-Ahdal