Databricks中Pandas sum()与mean()函数返回异常结果的技术问询

嘿，这个问题的根源很明确——你的goals_scored列数据类型是字符串（object），而Pandas对字符串类型调用sum()时，默认行为是拼接所有字符串，而非做数值求和。这就是为什么你看到一堆0和零散数字连在一起的结果，而value_counts()、sort_values()这类函数不受数据类型影响（它们只处理频次统计或字符串排序）。

一步步解决： #

1. 先确认列的类型
   先验证一下这个列的实际类型，运行这段代码：

   print(df_fpl['goals_scored'].dtype)
   # 或者查看全表信息更直观
   df_fpl.info()
   

   如果输出显示object，就坐实了是字符串类型的问题。

2. 把字符串列转成数值类型
   使用pd.to_numeric()转换列，同时处理可能的非数值内容（比如空值、异常字符）：

   # 转换为整数，无法转换的值设为NaN
   df_fpl['goals_scored'] = pd.to_numeric(df_fpl['goals_scored'], errors='coerce')
   

   要是你确定列里全是合法数值，也可以去掉errors='coerce'，但加上它能避免转换失败报错，更稳妥。

3. 重新执行分组求和
   现在再运行你的分组代码，就能得到你想要的数值求和结果了：

   df_fpl.groupby("team")["goals_scored"].sum()
   

额外小提示 #

如果转换后出现了NaN值，你可以根据需求用fillna()填充（比如填充0）：

df_fpl['goals_scored'] = df_fpl['goals_scored'].fillna(0).astype(int)

内容的提问来源于stack exchange，提问作者ddd