pandas如何用.mean(axis=1)得到含NaN值的目标行均值

现有基于numpy、pandas编写的测试代码，构建的DataFrame中2021列存在np.NaN空值，通过两种不同逻辑计算行均值，代码如下：

import numpy as np
import pandas as pd
    
GFG_dict = { '2019': [10,20,30,40],'2020': [20,30,40,50],'2021': [30, np.NaN, np.NaN, 60],'2022':[40,50,60,70]}
    
gfg = pd.DataFrame(GFG_dict)
    
gfg['mean1'] = gfg.mean(axis = 1)
gfg['mean2'] = gfg.loc[:,'2019':'2022'].sum(axis = 1)/4
gfg

两种均值的计算逻辑差异：

• mean1：调用默认参数的.mean(axis=1)计算，运行时自动跳过NaN值，以每行非空值的数量作为分母求平均
• mean2：对2019-2022列按行求和后除以固定列数4，空值不参与分子求和，分母固定为总列数

需求为直接使用.mean(axis=1)方法得到与mean2列完全一致的计算结果。

pandas默认的.mean(axis=1)会自动跳过NaN值，分母取每行实际非空的数值个数，因此和固定除以4的mean2结果存在差异。
要直接用.mean(axis=1)得到和mean2完全一致的结果，只需要在计算均值前将目标列范围内的NaN填充为0再计算即可。NaN被替换为0后不会改变分子求和结果，同时每行所有列都计为非空，分母自然固定为4，和sum(axis=1)/4的逻辑完全等价。
实现代码如下：

# 仅针对2019-2022列范围计算，空值填充为0后求行均值
gfg['mean3'] = gfg.loc[:, '2019':'2022'].fillna(0).mean(axis=1)

运行后可验证结果完全匹配：

• 索引1行数值为20、30、NaN、50，填0后求和为100，除以4得25，和mean2结果一致
• 索引2行数值为30、40、NaN、60，填0后求和为130，除以4得32.5，和mean2结果一致
• 其余无空值的行，填充0不影响计算结果，和mean2完全相同

内容的提问来源于stack exchange，提问作者user16490995