您只需：

df['avg'] = df.mean(axis=1)

       Monday  Tuesday  Wednesday        avg
Mike       42      NaN         12  27.000000
Jenna     NaN      NaN         15  15.000000
Jon        21        4          1   8.666667

因为默认情况下.mean()会忽略缺失值：see docs。
要选择子集，您可以：

df['avg'] = df[['Monday', 'Tuesday']].mean(axis=1)

       Monday  Tuesday  Wednesday   avg
Mike       42      NaN         12  42.0
Jenna     NaN      NaN         15   NaN
Jon        21        4          1  12.5

替代-使用iloc（也可以在这里使用loc）：

df['avg'] = df.iloc[:,0:2].mean(axis=1)

正在恢复此问题，因为所有以前的答案当前都打印警告。
在大多数情况下，使用assign()：

df = df.assign(avg=df.mean(axis=1))

对于特定列，可以通过名称输入：

df = df.assign(avg=df.loc[:, ["Monday", "Tuesday", "Wednesday"]].mean(axis=1))

或者按索引，使用比最后一个所需索引多一个的索引，因为它不是包含性的：

df = df.assign(avg=df.iloc[:,0:3]].mean(axis=1))

使用apply方法：

df['avg'] = df[['Monday', 'Tuesday']].apply(np.avg, axis = 1)