Pandas中DataFrame.mean()仅返回第一列均值，求助原因排查

嘿，我之前也碰到过一模一样的问题！咱们先理清楚你的情况：

你写的代码是这样的：

df = pd.read_csv("aps.csv") 
df.replace('na', np.NaN, inplace=True) 
print(df.mean(axis=0))

但运行后只得到第一列的均值输出：

aa_000 59336.499567 
dtype: float64

核心原因 #

Pandas的mean()方法只会对数值类型的列（int、float等）计算均值，如果其他列是object（字符串）类型，就会被自动跳过。出现这个情况，大概率是：

• 你的CSV文件里，除了第一列之外，其他列还包含非数值的内容（比如除了'na'之外的其他字符串、特殊符号）
• 你用replace('na', np.NaN)没有把所有非数值的缺失值都处理掉，导致这些列仍然保持object类型，Pandas无法识别为可计算的数值列。

解决步骤 #

1. 先检查列的数据类型，确认哪些列不是数值型：

print(df.dtypes)

运行后你会看到，没被计算均值的列类型都是object。

2. 将所有列转换为数值类型，用pd.to_numeric()强制把无法转换的内容转为NaN（比单独替换'na'更全面）：

# 对整个DataFrame的所有列进行转换
df = df.apply(pd.to_numeric, errors='coerce')

如果只想处理特定列，也可以单独指定：

df['target_column'] = pd.to_numeric(df['target_column'], errors='coerce')

3. 再次计算均值，这时所有数值列的均值都会被返回：

print(df.mean(axis=0))

补充说明 #

pd.to_numeric的errors='coerce'参数会把所有无法转为数值的内容（比如'NA'、空字符串、特殊字符）都转为NaN，这样Pandas在计算均值时会自动忽略这些缺失值，确保所有原本应该是数值的列都能被正确计算。

内容的提问来源于stack exchange，提问作者Adel