Python Pandas按行计算方差返回NaN问题求助

你用df.var(axis=1)得到NaN的原因有两个：

1. df.var(axis=1)仅支持对数值型列按行计算方差，但你的b列是列表对象，pandas无法将其识别为可计算的数值数组，计算时会直接忽略该列；
2. 单独的a列是单个数值，单值的方差因自由度为0无法计算，返回NaN。

根据你的需求，分两种情况给出解决方案：

情况1：计算b列中每个列表的方差 #

使用apply结合numpy.var处理，同时兼容单元素列表的场景：

import pandas as pd
import numpy as np

df = pd.DataFrame({"a" : [1,2,3], "b" : [[1,2],[2,3,4],[5]]})

# 计算总体方差，单元素列表返回0（可根据需求改为np.nan）
df['b_var'] = df['b'].apply(lambda x: np.var(x) if len(x) >= 2 else 0)

# 如果需要样本方差（自由度为n-1），修改为：
# df['b_var_sample'] = df['b'].apply(lambda x: np.var(x, ddof=1) if len(x) >=2 else 0)

执行后结果：

a          b  b_var
0  1     [1, 2]    0.25
1  2  [2, 3, 4]    0.666667
2  3        [5]    0.0

情况2：合并a列数值与b列列表，计算每行的整体方差 #

先将每行的a值与b列表合并为新列表，再计算方差：

df['combined_var'] = df.apply(
    lambda row: np.var([row['a']] + row['b']) if len([row['a']] + row['b']) >=2 else 0,
    axis=1
)

执行后结果：

a          b  combined_var
0  1     [1, 2]       0.111111
1  2  [2, 3, 4]       0.5
2  3        [5]       0.0

内容的提问来源于stack exchange，提问作者MMM