为何使用df.groupby()分组后DataFrame部分列消失？

你的DataFrame分组后丢失3列，核心原因是**groupby().mean()仅对数值型列执行计算，非数值型列会被自动排除**。虽然你提供的示例数据中WindGustDir、WindDir9am、WindDir3pm是浮点型，但实际你的DataFrame里这三列大概率是object类型（比如包含字符串、混合数据格式），导致pandas跳过这些列的均值计算。

验证步骤 #

• 检查目标列的数据类型：

  print(df[["WindGustDir", "WindDir9am", "WindDir3pm"]].dtypes)
  

• 查看列内容，确认是否存在非数值数据：

  print(df[["WindGustDir", "WindDir9am", "WindDir3pm"]].head(20))
  

解决方案 #

如果确认是数据类型问题，将这三列转换为数值型后重新执行分组：

import pandas as pd

# 转换为数值型，无法转换的内容设为NaN
df[["WindGustDir", "WindDir9am", "WindDir3pm"]] = df[["WindGustDir", "WindDir9am", "WindDir3pm"]].apply(pd.to_numeric, errors='coerce')

# 原分组函数
def update_centroids(cluster, k): 
   df["Cluster"] = cluster     
   display(df)     
   display(df.groupby("Cluster").mean().shape)    
   return df.groupby("Cluster").mean()

若转换后仍有异常，可检查分组内有效数据量：

# 查看每个组中目标列的非空值数量
print(df.groupby("Cluster")[["WindGustDir", "WindDir9am", "WindDir3pm"]].count())

如果某组内某列全为NaN，均值结果会是NaN，但列不会被移除，这种情况可根据业务需求填充缺失值或过滤无效分组。

内容的提问来源于stack exchange，提问作者Jayan Paliwal