本文介绍如何对含非数值首列（如国家名）的 dataframe，按行计算其余数值列均值，并用该均值原地填充该行中的 nan 值，避免类型冲突与轴向计算失败。
本文介绍如何对含非数值首列（如国家名）的 dataframe，按行计算其余数值列均值，并用该均值原地填充该行中的 nan 值，避免类型冲突与轴向计算失败。
在实际数据处理中，常遇到类似如下结构的表格：首列为标识性字符串（如国家、ID、类别名称），后续列为数值型年份指标（如 1990、1995…2015），但部分数值单元格为 NaN。此时若直接调用 df.fillna(df.mean(axis=1)) 会报错——因为 mean(axis=1) 无法跨类型（字符串+数值）计算；而 df.drop('Country', axis=1).mean(axis=1) 虽可得行均值，但 fillna() 不支持直接传入 Series 进行按行广播填充，导致常见写法失效。
正确解法是：逐行处理（axis=1）+ 在每行内局部排除非数值列 + 对剩余数值子序列求均值并填充。核心在于利用 apply 沿行方向执行自定义逻辑，且在 lambda 中通过切片（如 x[2:]）精准定位待参与计算与填充的数值列。
以下为完整、健壮的实现方案：
import pandas as pd
import numpy as np
# 示例数据构造（模拟原始问题）
df = pd.DataFrame({
'Index': [0, 1, 2],
'Country': ['US', 'Germany', 'Japan'],
'1990': [5, 5, 9],
'1995': [6, np.nan, np.nan],
'2000': [np.nan, 3, 11],
'2005': [9, 7, np.nan],
'2010': [19, 19, np.nan],
'2015': [11, 9, np.nan]
})
print("原始数据：")
print(df)输出：
Index Country 1990 1995 2000 2005 2010 2015 0 0 US 5.0 6.0 NaN 9.0 19.0 11.0 1 1 Germany 5.0 NaN 3.0 7.0 19.0 9.0 2 2 Japan 9.0 NaN 11.0 NaN NaN NaN
✅ 推荐解决方案（清晰、通用、可扩展）：
# 方法一：显式指定数值列范围（最推荐，语义明确）
numeric_cols = ['1990', '1995', '2000', '2005', '2010', '2015']
df[numeric_cols] = df.apply(
lambda row: row[numeric_cols].fillna(row[numeric_cols].mean()),
axis=1
)[numeric_cols]
print("\n填充后数据：")
print(df)? 关键说明：
- df.apply(..., axis=1) 将每行转为 pd.Series 传入 lambda；
- row[numeric_cols] 提取当前行的数值子序列（自动忽略 'Country' 等非数值列）；
- row[numeric_cols].mean() 计算该行有效数值的均值（自动跳过 NaN）；
- row[numeric_cols].fillna(...) 在该行数值子序列内完成 NaN 填充；
- 最终仅将结果赋值回原 numeric_cols 列，确保 'Country' 等字符串列完全不变。
✅ 替代方案（适用于列名规律场景，如前两列固定为索引/标签）：
# 方法二：按位置切片（如第2列起为数值列） # 注意：x[2:] 表示从索引2开始的所有元素（即跳过 Index 和 Country） df.iloc[:, 2:] = df.apply(lambda x: x[2:].fillna(x[2:].mean()), axis=1).iloc[:, 2:]
⚠️ 重要注意事项：
-
数据类型兼容性：fillna() 后，整数列若含 NaN 会被自动转为 float64（Pandas 限制）。如需保持整数类型，可在填充后使用 astype('Int64')（支持空值的 nullable integer 类型）：
df[numeric_cols] = df[numeric_cols].astype('Int64') - 空行处理：若某行所有数值列全为 NaN，mean() 将返回 NaN，导致该行无变化——这是合理行为，建议提前检查：df[numeric_cols].isna().all(axis=1)；
- 性能提示：对超大表（>10万行），apply(axis=1) 非向量化操作，速度较慢。此时可考虑 numpy 手动循环或 numba 加速，但绝大多数分析场景无需优化。
总结：解决“首列为字符串时按行均值填充 NaN”的本质，是隔离数值域、行内独立计算、精准赋值。避免滥用全局 fillna 或错误的 axis 组合，始终以列名为锚点（而非位置）进行子集选取，既提升代码可读性，也增强对列顺序变更的鲁棒性。
