pandas documentation » API Reference » DataFrame » pandas.DataFrame »
Dataframe .sum（自身，轴=无，跳过=无，级别=无，仅数值=无，最小计数=0，**kwargs）

最小计数：整数，默认值为0

执行操作所需的有效值数。如果存在的非NA值少于min_count，则结果为NA。
版本0.22.0中的新增功能：添加，默认值为0。这意味着全NA或空系列的总和为0，全NA或空系列的乘积为1。
引用Pandas最新的文件，它说min_count将是0的全NA系列。
如果你说min_count=1，那么求和的结果将是NaN。

伟大的链接由杰夫提供。
在这里你可以找到一个例子：

df1 = pd.DataFrame(); 
df1['a'] = [1,2,np.nan,3];
df1['b'] = [np.nan,2,np.nan,3]

df1
Out[4]: 
     a    b
0  1.0  NaN
1  2.0  2.0
2  NaN  NaN
3  3.0  3.0

df1.sum(axis=1, skipna=False)
Out[6]: 
0    NaN
1    4.0
2    NaN
3    6.0
dtype: float64

df1.sum(axis=1, skipna=True)
Out[7]: 
0    1.0
1    4.0
2    0.0
3    6.0
dtype: float64

df1.sum(axis=1, min_count=1)
Out[7]: 
0    1.0
1    4.0
2    NaN
3    6.0
dtype: float64

一种解决方案是选择所有行都是nan的情况，然后将总和设置为nan：

df['total'] = df.sum(axis=1)    
df.loc[df['a'].isnull() & df['b'].isnull(),'total']=np.nan

或

df['total'] = df.sum(axis=1)    
df.loc[df[['a','b']].isnull().all(1),'total']=np.nan

后一个选项可能更实用，因为您可以创建一个列['a','b', ... , 'z']的列表，您可能希望对这些列求和。

我通过将序列转换为numpy数组来解决这个问题，该数组可以正确地计算答案。

print(np.array([np.nan,np.nan,np.nan]).sum()) # nan
print(pd.Series([np.nan,np.nan,np.nan]).sum()) # 0.0
print(pd.Series([np.nan,np.nan,np.nan]).to_numpy().sum()) # nan