如何为Pandas多索引透视表新增计算非NaN值的均值列

Pandas 内置的均值计算方法默认自动跳过NaN值，无需手动实现求和、计数逻辑，适配多索引透视表的写法如下：
假设你的透视表变量名为temp_pivot：

import pandas as pd

# 选中days层级下的所有列，按行计算均值后赋值给新列
temp_pivot['avg_num'] = temp_pivot.loc[:, pd.IndexSlice['days', :]].mean(axis=1).astype(int)

代码说明 #

• pd.IndexSlice['days', :] 是多索引列的专属选择语法，用于精准选中第一级为days的所有子列，避免其他无关列参与计算
• mean(axis=1) 表示按行计算均值，默认开启skipna=True参数，计算逻辑恰好是「非NaN值总和 / 非NaN值数量」，完全匹配你的需求
• 末尾的.astype(int)用于把浮点数结果转为整数，和你给出的预期输出格式对齐，不需要整数格式可以删掉

如果你确实想按照自己的思路用loc搭配求和、计数手动实现，可以用以下写法，效果完全一致：

# 按行求和
row_sum = temp_pivot.loc[:, pd.IndexSlice['days', :]].sum(axis=1)
# 按行统计非NaN值数量
row_count = temp_pivot.loc[:, pd.IndexSlice['days', :]].count(axis=1)
# 计算均值
temp_pivot['avg_num'] = (row_sum / row_count).astype(int)

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