sum() 默认跳过 nan 且空列返回 0，非 bug；设 min_count=1 可使全空列返回 nan；min_count 也适用于 prod()/min()/max() 等，但 mean() 不支持。
为什么 sum() 遇到空值会返回 0 而不是 NaN
这不是 bug，是 Pandas 的默认行为：对含 NaN 的 Series 或 DataFrame 列调用 sum() 时，skipna=True 是默认参数，它会跳过 NaN 后对剩余值求和；但如果整列全是 NaN（或空），跳完就没了，结果就是 0（数值型）或空字符串（字符串型）。很多人误以为“该返回 NaN”，其实得主动控制。
如何让全空列求和返回 NaN 而不是 0
关键在显式传参 min_count=1 —— 它要求至少有 1 个非空值才计算，否则返回 NaN：
import pandas as pd s = pd.Series([None, None, None]) print(s.sum()) # 0.0 print(s.sum(min_count=1)) # nan
-
min_count=1适用于sum()、prod()、min()、max()等聚合函数 - 若列中混有数字和
NaN，min_count=1不影响正常求和，只对全空场景起作用 - 注意：DataFrame 的
sum(axis=1)也支持min_count，但 axis=0 时各列独立生效
批量处理多列时避免逐列写 min_count
直接在 DataFrame 上用 sum() 并传 min_count 即可统一控制：
df = pd.DataFrame({"a": [1, 2, None], "b": [None, None, None]})
df.sum(min_count=1) # b 列返回 nan，a 列返回 3.0
- 不加
min_count时，b列返回0.0；加了就变成nan - 如果只想对特定列启用，用
df[["col1", "col2"]].sum(min_count=1) - 注意：
min_count对布尔型列也有效，但结果类型可能转为 float（因 NaN 存在）
检查空值逻辑是否真该用 sum()
有时候你以为要“求和”，实际想判断“是否存在有效值”——这时 sum() 是错的工具：
- 想确认某列有没有非空数？用
s.notna().any()，比s.sum() != 0可靠得多（避免负数抵消、全零等陷阱） - 想统计非空个数？直接用
s.count()，它天然忽略NaN且空列返回 0（这是合理语义） - 把
sum()当存在性判断用，是空值相关逻辑混乱的常见源头
真正容易被忽略的是：不同聚合函数对 min_count 的支持程度不一，比如 mean() 没这个参数，全空时固定返回 NaN；而 sum() 默认不返回 NaN，必须手动补上。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
