解决DataFrame列Object转Float时因点逗号混淆产生NaN及聚合计算问题

这个问题我碰到过，原因很明确——你的Amount列用逗号作为小数分隔符，而pd.to_numeric()默认只识别点号（.）作为小数分隔符，所以所有值都被判定为无效数值，最终转成了NaN。下面给你两种靠谱的解决办法，再附上聚合计算的步骤：

一、正确转换Amount列为float类型 #

方法1：先替换逗号为点号，再转换 #

适合确定所有金额值都用逗号做小数分隔符的场景：

import pandas as pd

# 替换逗号为点号，再转换为float类型
df['Amount'] = df['Amount'].str.replace(',', '.').astype(float)

方法2：直接指定decimal参数 #

更严谨的方式，通过pd.to_numeric()的decimal参数明确告诉pandas用逗号做小数分隔符：

df['Amount'] = pd.to_numeric(df['Amount'], errors='coerce', decimal=',')

转换完成后，你可以用df.dtypes检查Amount列的类型，应该会显示float64，且数值都保留了原来的31.65。

二、按客户聚合计算总和与平均值 #

转换成功后，用groupby分组，配合agg方法就能一次性算出总和和平均值：

# 按customer列分组（如果实际要按ID分组，替换成'ID'即可）
agg_result = df.groupby('customer')['Amount'].agg(['sum', 'mean'])

运行后你会得到如下结果：

sum   mean

customer
026 158.25 31.65

内容的提问来源于stack exchange，提问作者zdz