df.mean(axis=1)仅返回NaN值

df.mean(axis=1) 是 pandas 库中 DataFrame 对象的一个方法，用于计算每一行的平均值。如果你发现这个方法返回的结果全是 NaN 值，可能是以下几个原因：

原因分析

数据类型问题：DataFrame 中的数据可能不是数值类型，而是字符串或其他非数值类型，这会导致无法计算平均值。
缺失值问题：DataFrame 中可能存在大量的缺失值（NaN），这会导致计算平均值时结果为 NaN。
数据范围问题：DataFrame 中的数据可能全部为 NaN，这样计算平均值自然也会是 NaN。

解决方法

1. 检查数据类型

确保 DataFrame 中的数据是数值类型。可以使用 df.dtypes 查看每一列的数据类型。

import pandas as pd

# 示例 DataFrame
data = {
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': ['a', 'b', 'c']
}
df = pd.DataFrame(data)

# 检查数据类型
print(df.dtypes)

如果发现有非数值类型的列，可以尝试将其转换为数值类型：

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

2. 处理缺失值

可以使用 df.fillna() 或 df.dropna() 处理缺失值。

# 填充缺失值
df.fillna(0, inplace=True)

# 或者删除包含缺失值的行
df.dropna(inplace=True)

3. 检查数据范围

确保 DataFrame 中的数据不是全部为 NaN。

# 检查是否全部为 NaN
print(df.isnull().all())

示例代码

以下是一个完整的示例代码，展示了如何处理可能导致 df.mean(axis=1) 返回 NaN 值的问题：

import pandas as pd
import numpy as np

# 示例 DataFrame
data = {
    'A': [1, 2, np.nan],
    'B': [4, np.nan, 6],
    'C': ['a', 'b', 'c']
}
df = pd.DataFrame(data)

# 检查数据类型
print("数据类型:")
print(df.dtypes)

# 转换非数值类型的列为数值类型
df['C'] = pd.to_numeric(df['C'], errors='coerce')

# 处理缺失值
df.fillna(0, inplace=True)

# 计算每行的平均值
result = df.mean(axis=1)
print("每行的平均值:")
print(result)