求助：为DataFrame新增sum_columns列时结果全为NaN的问题

你的代码出现全NaN的原因是：df.select_dtypes(include="number").apply(np.sum)默认按列计算求和，得到的是一个以原数值列名为索引的Series。当把这个Series赋值给df的新列时，由于它的索引和df的行索引不匹配，导致所有行都填充为NaN。

正确解决方案 #

方法1：直接使用sum方法（推荐，效率更高）

通过指定axis=1参数，让求和操作按行执行：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'col1': [1, 2, 3],
    'col2': [4.1, 5.2, 6.3],
    'col3': ['foo', 'bar', 'baz']
})

# 筛选数值列并按行求和，新增sum_columns列
df["sum_columns"] = df.select_dtypes(include="number").sum(axis=1)

方法2：使用apply并指定axis=1

如果你更习惯用apply，只需补充axis=1参数即可：

df["sum_columns"] = df.select_dtypes(include="number").apply(np.sum, axis=1)

两种方法都能正确匹配df的行索引，生成每行对应数值列的求和结果，不会出现NaN。

内容的提问来源于stack exchange，提问作者Winston Lee