机器学习模型DataFrame分组异常：df2丢失L与400列求助

核心异常原因 #

• 数据类型不匹配：虽然df1和df2列名完全一致，但df2的L和400列大概率是object（字符串）类型，而groupby.mean()只会对数值型（int/float）列执行计算，非数值列会被自动过滤。df1的这两列是数值型，所以能被保留。
• 全空值导致列被丢弃：df2的L或400列在所有分组中都是空值（NaN），部分场景下pandas会自动移除全NaN的列。
• 分组内无有效数值：如果df2的这两列存在非数字的字符串内容，mean()无法完成计算，会直接排除该列。

针对性解决办法 #

1. 检查并修正数据类型 #

先对比两表的列类型，定位问题：

print("df1 列类型:\n", df1.dtypes)
print("\ndf2 列类型:\n", df2.dtypes)

如果df2的L/400是object类型，转换为数值型：

import pandas as pd
df2['L'] = pd.to_numeric(df2['L'], errors='coerce')
df2['400'] = pd.to_numeric(df2['400'], errors='coerce')

errors='coerce'会把无法转换的内容转为NaN，后续可根据业务逻辑填充空值（比如用0、分组均值等）。

2. 排查并处理空值 #

检查空值分布：

print("df2 L列空值数:", df2['L'].isna().sum())
print("df2 400列空值数:", df2['400'].isna().sum())

如果是全空值，可填充默认值后再聚合：

df2['L'] = df2['L'].fillna(0)  # 替换为符合业务逻辑的数值
df2['400'] = df2['400'].fillna(0)

3. 显式指定聚合列 #

如果确认列是数值型但仍被过滤，可强制指定所有需要聚合的列，避免自动筛选：

agg_cols = [col for col in df2.columns if col not in ["PlottedFind", "Assemblage"]]
result_df2 = df2.groupby(["PlottedFind","Assemblage"], as_index=False).agg({col: 'mean' for col in agg_cols})

内容的提问来源于stack exchange，提问作者Ivan Anderies