为什么pandas调用.sum(axis=1)含numpy datetime64时返回全0？

现象产生的核心原因 #

该问题本质是pandas的底层设计逻辑和类型判断规则导致的，核心涉及两个关键点：

• pandas的DataFrame是按列存储的结构，每一列有全局统一的dtype，不会为同一列的不同行单独设置类型。
• 聚合类方法（比如sum）的numeric_only参数是基于列的dtype做判断，而非逐行判断每个元素的实际类型。

具体到你的案例的执行逻辑： #

1. 你构造的df2中，A、B两列都同时包含datetime64类型和整数类型，pandas无法为这两列分配统一的数值/时间类型，只能将列的dtype设为object。
2. 当你调用sum(axis=1, numeric_only=True)时，pandas会直接过滤掉所有dtype不属于数值范畴（int/float/bool等）的列，你的两列都是object类型，直接被全部排除。空值序列求和的默认结果为0，所以两行都返回0。
3. 就算你不手动设置numeric_only=True，pandas对object列执行求和时，会先尝试对元素做加法操作：datetime64类型本身不支持两个时间直接相加（会抛出类型错误），pandas会自动将这类无法执行加法的object列也排除在求和范围外，最终结果还是0。

和字符串测试案例的差异原因： #

你用字符串替换datetime64的测试案例中，没有设置numeric_only=True，字符串类型支持加法（拼接操作），整数也支持加法，pandas不会排除object列，会逐元素执行加法，所以得到你预期的结果。

实现按行分别处理的方案： #

如果要达成逐行判断类型求和的需求，可以用逐行apply的方式自定义逻辑：

import pandas as pd
import numpy as np

df2 = pd.DataFrame(
    [[np.datetime64('2021-01-01'), np.datetime64('2021-01-01')], [2, 3]],
    columns=['A', 'B'])

# 只对数值类型的元素求和
res = df2.apply(lambda row: sum(v for v in row if isinstance(v, (int, float, np.number))), axis=1)
print(res)
# 输出：
# 0    0
# 1    5
# dtype: int64

内容的提问来源于stack exchange，提问作者troels