Pandas：对GroupBy对象执行列求和时出现意外负值或NaT问题

嘿，这个问题我之前处理过类似的情况，咱们来一步步分析原因和解决方案：

问题根源 #

你遇到的核心问题大概率和pandas版本对timedelta类型的GroupBy聚合支持不完善有关，尤其是在pandas 1.3.0之前的版本：

• pandas内部会把timedelta存储为int64类型（单位是纳秒），当聚合时如果总和超出int64的取值范围（约±9e18纳秒，相当于约292年），就会触发整数溢出，导致出现负的timedelta值。
• 单个组调用sum()是直接对Series进行计算，而GroupBy对象直接调用sum()是批量执行聚合逻辑，旧版本中这两种路径的处理逻辑存在差异，导致结果不一致。
• 另外dropna=False的设置如果包含Version为nan的组，旧版本pandas对这类组的timedelta聚合也容易出现异常。

解决方案 #

方案1：升级pandas版本 #

首先检查你当前的pandas版本：

import pandas as pd
print(pd.__version__)

如果版本低于1.3.0，建议升级到最新稳定版：

pip install --upgrade pandas

pandas在1.3.0版本后修复了多个timedelta聚合相关的bug，包括GroupBy场景下的溢出和结果不一致问题。

方案2：转换为数值类型后聚合（兼容旧版本） #

如果暂时无法升级pandas，可以先把timedelta转换为总秒数（float64类型，避免溢出），聚合后再转换回timedelta：

# 将Elapsed Time转换为总秒数
df_runs['elapsed_seconds'] = df_runs['Elapsed Time'].dt.total_seconds()

# 按Version分组求和
sum_result = df_runs.groupby(['Version'], dropna=False)['elapsed_seconds'].sum()

# 将求和结果转换回timedelta类型
sum_result = pd.to_timedelta(sum_result, unit='s')

这种方法绕开了直接聚合timedelta的问题，同时float64的取值范围远大于int64，不会出现溢出导致负数的情况。

验证方法 #

你可以用以下步骤验证结果是否正确：

• 用单个组的Elapsed Time.dt.total_seconds().sum()计算结果，和GroupBy转换后的结果对比，应该完全一致。
• 检查转换后的timedelta是否正常，不会出现负数。

内容的提问来源于stack exchange，提问作者HackXIt