如何在DataFrame中对指定列按行求和并忽略NA值？

没问题！这在pandas里是非常常见的操作，我给你两种实用的实现方式，完全符合你的需求——通过列名指定目标列、按行求和时自动忽略NA值：

方法一：直接赋值创建新列（修改原DataFrame） #

这是最直观的方式，直接通过列名索引出目标列，调用sum()方法按行计算：

import pandas as pd

# 示例DataFrame（包含NA值）
df = pd.DataFrame({
    'Sales_Jan': [1500, 2200, None, 3100],
    'Sales_Feb': [2000, None, 2700, 1800],
    'Sales_Mar': [None, 1900, 2400, 2900]
})

# 定义要求和的目标列名列表
target_columns = ['Sales_Jan', 'Sales_Feb', 'Sales_Mar']

# 创建新列'Total_Q1'，存储按行求和结果
df['Total_Q1'] = df[target_columns].sum(axis=1, skipna=True)

参数说明： #

• axis=1：指定按行求和（默认axis=0是按列求和）
• skipna=True：自动忽略NA/NaN值（这个参数默认就是True，显式写出更清晰）

方法二：使用assign()方法（返回新DataFrame，不修改原数据） #

如果你不想直接修改原DataFrame，推荐用assign()方法，它会返回一个包含新列的副本，适合链式操作：

target_columns = ['Sales_Jan', 'Sales_Feb', 'Sales_Mar']

# 生成带新列的新DataFrame，原df保持不变
new_df = df.assign(Total_Q1=df[target_columns].sum(axis=1, skipna=True))

额外小技巧：处理全NA行 #

如果某一行的目标列全是NA值，sum()会返回NaN。如果你想把这种情况的结果替换为0，可以追加fillna(0)：

df['Total_Q1'] = df[target_columns].sum(axis=1, skipna=True).fillna(0)

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