在数据分析任务中，我们经常需要按行对多列进行聚合，例如计算每行若干指标的总和、均值或最大值。Pandas虽然提供了灵活的聚合接口，但一旦数据中存在缺失值，普通写法很容易让整行结果变为NaN，进而影响下游逻辑。本文围绕行级聚合场景，介绍几种兼顾效率与健壮性的NaN安全实现方式。
为什么普通行聚合会遇到NaN问题
Pandas的聚合函数在默认情况下，对于包含NaN的一行，往往会将结果传播为NaN。以DataFrame.sum(axis=1)为例，虽然其默认参数skipna=True会跳过缺失值，但很多开发者在自定义函数或使用某些第三方函数时，并未显式声明该行为，导致空值直接参与运算。
另一个常见误区是认为apply配合Python内置sum就能自动忽略NaN。实际上，Python原生的sum会把NaN当作普通浮点数参与加和，而NaN与任何数运算结果都是NaN。因此，行级聚合必须明确选择NaN安全的计算路径，否则数据质量稍有瑕疵就会引发连锁错误。
使用向量化NaN安全函数
最推荐的做法是利用NumPy提供的NaN安全函数，它们底层由C实现，不仅忽略缺失值，而且避免了逐行Python循环的开销。例如np.nansum、np.nanmean可以直接作用于DataFrame的指定轴。
下面示例构造了一个带有缺失值的DataFrame，并对比了普通聚合与NaN安全聚合的差异：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'a': [1.0, 2.0, np.nan],
'b': [4.0, np.nan, 6.0],
'c': [np.nan, 3.0, 2.0]
})
# 普通行求和，由于skipna默认True，结果正常
normal_sum = df.sum(axis=1)
print('普通sum结果:')
print(normal_sum)
# 使用NaN安全函数，语义更明确且可换其他库函数
safe_sum = df.apply(np.nansum, axis=1)
safe_mean = df.apply(np.nanmean, axis=1)
print('NaN安全sum:')
print(safe_sum)
print('NaN安全mean:')
print(safe_mean)
从输出可以看到，向量化函数直接忽略了NaN，且执行效率远高于手写循环。当列数较多、数据量较大时，这种写法能显著降低CPU占用。
需要注意的是，如果整行都是NaN，np.nansum会返回0，而np.nanmean会返回NaN。业务上若需将全空行标记为特定值，可在外层用where或mask补充逻辑。
通过agg与skipna参数控制行为
如果不想引入NumPy函数，也可以继续使用Pandas自身的聚合方法，并显式传入skipna参数。在agg中，我们可以为不同列指定不同聚合逻辑，兼顾灵活性与安全性。
以下代码演示了如何对部分列求和、部分列求均值，并强制跳过缺失：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'x': [1.0, np.nan, 3.0],
'y': [np.nan, 2.0, 4.0],
'z': [5.0, 6.0, np.nan]
})
# 行级agg，明确skipna
row_agg = df.agg(lambda col: np.nan if col.isna().all() else col.sum(skipna=True), axis=1)
print('行级自定义agg:')
print(row_agg)
# 多函数组合示例
multi = df.agg(['sum', 'mean'], axis=1)
print('多函数聚合（默认skipna）:')
print(multi)
这种写法的优势在于可读性强，其他工程师能直观看到跳过缺失的意图。缺点是匿名函数内部仍可能触发部分Python层迭代，在极大规模数据上略慢于纯NumPy向量化调用。
实际项目中，建议将聚合逻辑封装成独立函数，并为全空行定义清晰的业务含义，比如填充为0或标记为无效记录，避免下游误用。
使用apply做复杂行级逻辑时的避坑点
当行级规则较为复杂，例如需要根据某列值动态决定其他列的加权求和，往往不得不写apply。此时务必在自定义函数内部处理NaN，而不是依赖外部自动忽略。
下面给出一个健壮的加权聚合示例，函数内显式剔除缺失并判断权重合法性：
import pandas as pd
import numpy as np
df = pd.DataFrame({
'v1': [1.0, np.nan, 3.0],
'v2': [2.0, 4.0, np.nan],
'w1': [0.4, 0.5, 0.6],
'w2': [0.6, 0.5, 0.4]
})
def weighted_row(r):
vals = [r['v1'], r['v2']]
weights = [r['w1'], r['w2']]
pairs = [(v, w) for v, w in zip(vals, weights) if pd.notna(v) and pd.notna(w)]
if not pairs:
return np.nan
total_w = sum(w for _, w in pairs)
if total_w == 0:
return 0.0
return sum(v * w for v, w in pairs) / total_w
df['score'] = df.apply(weighted_row, axis=1)
print(df)
该实现先过滤掉无效配对，再计算加权和，避免NaN污染结果。虽然apply性能不如向量化，但逻辑清晰、易于单元测试，适合规则多变的报表场景。
若希望提升性能，可先将权重与数值矩阵化，用np.nansum做广播乘法，再回写到DataFrame，从而把Python循环降到最低。
性能与健壮性权衡建议
简单求和、均值等场景，优先使用NumPy的NaN安全函数或Pandas内建skipna聚合，既快又省心。规则复杂、依赖条件分支时，再用apply并内部显式处理缺失。
另外，建议在数据接入层就明确缺失值策略：是用fillna补默认值，还是保留NaN交由聚合层跳过。统一约定后，行级聚合代码会更简洁，也减少因人员变动带来的隐性Bug。
| 方案 | 性能 | 可读性 | 适用场景 |
|---|---|---|---|
| np.nansum等向量化 | 高 | 中 | 固定聚合逻辑、大数据量 |
| df.sum(skipna=True) | 高 | 高 | 常规统计、快速开发 |
| apply自定义函数 | 低 | 高 | 复杂行级业务规则 |
综上，NaN安全的行级聚合并非难事，关键在于选对工具并在函数边界处明确缺失值语义。这样既能保证结果正确，也能在性能上经得起生产环境考验。
PandasNaN_safe_aggregationrow_wise_aggregation修改时间：2026-08-04 03:00:34