Python中如何在if语句中检查空值并计算DataFrame列平均值？

你的代码存在几个关键问题，导致无法正确实现需求：

• 直接对整个布尔Series用if判断逻辑错误：df['A'].notnull返回的是一个布尔数组（对应每行的判断结果），不是单个布尔值，用is True比较只会判断这个Series对象本身是否等于True，完全不是逐行判断的逻辑。
• 语法错误：&的优先级高于is，需要给每个条件单独加括号；另外else后面不能跟条件，应该用elif。
• 冗余的is True：布尔值可以直接作为判断条件，不需要额外和True比较。

下面给你两种可行的解决方案：

方案1：修复逐行判断逻辑（用向量化条件） #

用numpy.where实现嵌套的逐行判断，先统一转换数据类型避免计算错误：

import numpy as np

# 先将A、B列转为浮点型，确保数值计算正常
df[['A', 'B']] = df[['A', 'B']].astype(float)

# 嵌套判断赋值
df['Avg'] = np.where(
    (df['A'].notnull()) & (df['B'].notnull()),
    (df['A'] + df['B']) / 2,
    np.where(
        df['A'].notnull(),
        df['A'],
        df['B']
    )
)

方案2：用pandas内置函数（最简洁高效） #

pandas的mean方法默认会忽略NaN值，刚好完美匹配你的需求：

• 两列都非空时自动取平均值
• 某一列空时自动取另一列的有效值
• 若两列都空，结果会是NaN，可按需用fillna补充默认值

代码非常简洁：

# 转换类型后直接计算行均值
df['Avg'] = df[['A', 'B']].astype(float).mean(axis=1)

# 可选：处理两列都为空的情况，比如填充0
# df['Avg'] = df[['A', 'B']].astype(float).mean(axis=1).fillna(0)

内容的提问来源于stack exchange，提问作者Yuuuu