Jupyter Notebook批量与单单元格运行结果不一致问题求助

核心原因 #

这类问题几乎都是全局变量状态污染或单元格执行顺序混乱导致的——Jupyter的变量是全局生效的，手动单独运行单元格会打乱变量的初始状态，而Run All是严格按从上到下的顺序执行，两者的执行环境不一致就会出现结果差异。另外，代码中的冗余操作、逻辑错误也会放大这类问题。

问题1：日期筛选结果为空（Run All 失效，单独运行正常） #

先看你的日期处理代码，多次冗余转换极易引入隐式错误：

df_m_dom['data/ora stato evento'] = pd.to_datetime(df_m_dom['data/ora stato evento'])
df_m_dom['data/ora stato evento'] = df_m_dom['data/ora stato evento'].dt.date
df_m_dom['data/ora stato evento'] = pd.to_datetime(df_m_dom['data/ora stato evento'])
df_m_dom['data/ora stato evento'] = df_m_dom['data/ora stato evento'].dt.strftime('%d/%m/%Y')
df_m_dom['data/ora stato evento'] = df_m_dom['data/ora stato evento'].astype(str)

df_m_dom['data/ora stato evento'] = pd.to_datetime(df_m_dom['data/ora stato evento'], errors='coerce')
df_filtrato_sett0 = df_m_dom[df_m_dom['data/ora stato evento'].between(inizio_settimana, fine_settimana)]

问题点：

1. 多次类型转换导致的格式兼容问题：反复在datetime、date、字符串之间转换，容易丢失时间信息或引发解析错误，Run All时的初始数据状态和单独运行该单元格时的状态不一致，就会出现筛选为空的情况。
2. 日期范围变量类型不匹配：inizio_settimana和fine_settimana如果是datetime类型，但经过多次转换后的日期列可能丢失了时间维度，导致匹配失败。

修复方案：

简化日期处理逻辑，一步到位完成转换：

# 直接解析为datetime并保留日期部分（午夜时间），避免冗余转换
df_m_dom['data/ora stato evento'] = pd.to_datetime(df_m_dom['data/ora stato evento'], errors='coerce').dt.normalize()

# 确保日期范围变量也是统一的datetime类型
inizio_settimana = pd.to_datetime(inizio_settimana).normalize()
fine_settimana = pd.to_datetime(fine_settimana).normalize()

df_filtrato_sett0 = df_m_dom[df_m_dom['data/ora stato evento'].between(inizio_settimana, fine_settimana)]

同时，每次Run All前必须重启内核（Kernel -> Restart），清除之前的全局变量状态，确保执行环境完全干净。

问题2：百分比计算的逻辑错误 #

你的百分比计算代码存在明显的逻辑漏洞：

df_merged_sett_dom['Variazione_Percentuale'] = np.where((df_merged_sett_dom['Media_8sett'] != 0) | (df_merged_sett_dom['Media_8sett'] != -0),
                                         ((df_merged_sett_dom['Score_point_sett_corr'] - df_merged_sett_dom['Media_8sett']) / df_merged_sett_dom['Media_8sett'].abs()) * 100,
                                         df_merged_sett_dom['Score_point_sett_corr'] * 100)

问题点：

逻辑或|使用错误！x != 0 | x != -0的结果永远为True（因为0和-0在数值上等价，任何数必然满足其中一个条件），导致所有行都会走第一个分支——当Media_8sett为0时，会触发除以0的警告/错误，Run All时可能被之前的变量状态掩盖，单独运行时又刚好没暴露，但实际逻辑完全错误。

修复方案：

改用绝对值判断是否为0，简化逻辑：

# 直接判断Media_8sett的绝对值是否不为0
df_merged_sett_dom['Variazione_Percentuale'] = np.where(df_merged_sett_dom['Media_8sett'].abs() != 0,
                                         ((df_merged_sett_dom['Score_point_sett_corr'] - df_merged_sett_dom['Media_8sett']) / df_merged_sett_dom['Media_8sett'].abs()) * 100,
                                         df_merged_sett_dom['Score_point_sett_corr'] * 100)

df_merged_sett_dom['Variazione_Percentuale'] = df_merged_sett_dom['Variazione_Percentuale'].round(0)
df_merged_sett_dom['Media_8sett'] = df_merged_sett_dom['Media_8sett'].round(0)

通用排查步骤 #

1. 重启内核后再执行Run All：彻底清除全局变量的历史状态，确保执行顺序严格从上到下。
2. 检查单元格执行编号：Jupyter左上角的单元格编号如果乱序，说明之前手动运行过单元格，导致变量状态混乱。
3. 简化冗余代码：避免多次类型转换、重复赋值这类操作，减少隐式错误的可能。
4. 加入调试输出：在关键步骤打印变量类型、样本值，比如日期筛选前打印df_m_dom['data/ora stato evento'].dtype和inizio_settimana的类型，对比两种运行方式下的差异。

内容的提问来源于stack exchange，提问作者Valerio Mezzopra