为何在该DataFrame中使用GroupBy求均值时报TypeError？如何解决

问题场景 #

我基于主Pokemon DataFrame创建了df11：

df11= df.drop(["Name", "#"], axis=1).head(9)

得到的df11数据如下：

Type 1  Type 2  HP  Attack  Defense Sp. Atk Sp. Def Speed   Generation  Legendary
0   Grass   Poison  45  49  49  65  65  45  1   False
1   Grass   Poison  60  62  63  80  80  60  1   False
2   Grass   Poison  80  82  83  100 100 80  1   False
3   Grass   Poison  80  100 123 122 120 80  1   False
4   Fire    NaN 39  52  43  60  50  65  1   False
5   Fire    NaN 58  64  58  80  65  80  1   False
6   Fire    Flying  78  84  78  109 85  100 1   False
7   Fire    Dragon  78  130 111 130 85  100 1   False
8   Fire    Flying  78  104 78  159 115 100 1   False

执行df11.groupby("Type 2").mean()时触发错误：TypeError: agg function failed [how->mean,dtype->object]

错误原因 #

这个错误的核心是df11中的数值列（如HP、Attack等）被识别为object类型，而非int/float这类数值类型。mean()无法对object类型的列执行聚合计算，因此触发报错。另外，布尔类型的Legendary列如果和object类型数值列混合，也会加重这个问题。

你可以先通过df11.dtypes查看各列的数据类型，确认哪些列是object类型。

修复方案 #

方案1：转换数值列为数值类型

先将需要计算均值的列统一转换为数值类型，再执行聚合：

import pandas as pd

# 指定需要转换的数值列
numeric_columns = ['HP', 'Attack', 'Defense', 'Sp. Atk', 'Sp. Def', 'Speed', 'Generation']
for col in numeric_columns:
    # errors='coerce'会把无法转换的内容转为NaN，不影响后续计算
    df11[col] = pd.to_numeric(df11[col], errors='coerce')

# 可选：将Legendary布尔列转为0/1（True=1，False=0），方便计算均值（代表传奇宝可梦的占比）
df11['Legendary'] = df11['Legendary'].astype(int)

# 现在执行groupby均值计算
result = df11.groupby("Type 2").mean()
print(result)

方案2：仅对数值列执行聚合

如果不想修改原DataFrame的列类型，可以直接筛选出数值列再分组计算：

# 筛选出所有数值类型的列，再分组计算均值
result = df11.groupby("Type 2").select_dtypes(include=['number']).mean()
print(result)

额外提示：处理Type 2中的NaN

如果需要将Type 2为NaN的行单独分组，可以先填充NaN为明确标识（比如"None"）：

df11['Type 2'] = df11['Type 2'].fillna('None')
result = df11.groupby("Type 2").select_dtypes(include=['number']).mean()

内容的提问来源于stack exchange，提问作者innocent Stack