使用Pandas按年龄组计算平均骑行时长的问题排查

问题根源 #

你的核心问题是Trip_in_min列类型为object，说明该列存在非数值内容（比如无效字符串、特殊字符）。小数据集刚好没有这类脏数据，所以能正常计算均值；但16K+行的完整数据集包含这类数据，导致mean()计算失效，仅返回分组键，同时触发FutureWarning。

修复步骤 #

1. 加载数据并清洗Trip_in_min列 #

读取CSV时直接处理目标列的类型转换，把无法转为数值的内容设为NaN：

import pandas as pd

# 读取文件时，将Trip_in_min转为数值，无效值设为NaN
file = pd.read_csv("file.csv", converters={"Trip_in_min": lambda x: pd.to_numeric(x, errors='coerce')})

# 可选：删除Trip_in_min为NaN的无效行（根据业务需求决定是否保留）
# file = file.dropna(subset=["Trip_in_min"])

2. 计算各年龄组平均骑行时长 #

现在Trip_in_min是数值类型，即可正常执行分组均值计算：

# 按年龄组分组，计算平均骑行时长，保留Age_Groups为列
avg_trip_by_age = file.groupby('Age_Groups', as_index=False)['Trip_in_min'].mean()
# 重命名列名提升可读性
avg_trip_by_age.rename(columns={"Trip_in_min": "Avg_Trip_in_min"}, inplace=True)

print("各年龄组平均骑行时长：")
print(avg_trip_by_age)

3. 整合完整统计代码 #

把原有统计逻辑和新的均值计算整合，代码更清晰：

import pandas as pd

# 加载并清洗数据
file = pd.read_csv("file.csv", converters={"Trip_in_min": lambda x: pd.to_numeric(x, errors='coerce')})
# 可选：移除Age_Groups或Trip_in_min为空的无效行
# file = file.dropna(subset=["Age_Groups", "Trip_in_min"])

# 统计各年龄组骑行次数
trips_summary = file.Age_Groups.value_counts().reset_index()
trips_summary.columns = ["Age_Groups", "Trip_Count"]
print("各年龄组骑行次数：")
print(trips_summary)
print()

# 统计TOP20热门站点
popular_stations = file.Start_Station_Name.value_counts().head(20).reset_index()
popular_stations.columns = ["Start_Station_Name", "Trip_Count"]
print("TOP20热门站点：")
print(popular_stations)
print()

# 计算各年龄组平均骑行时长
avg_trip_by_age = file.groupby('Age_Groups', as_index=False)['Trip_in_min'].mean()
avg_trip_by_age.rename(columns={"Trip_in_min": "Avg_Trip_in_min"}, inplace=True)
print("各年龄组平均骑行时长：")
print(avg_trip_by_age)

额外说明 #

• errors='coerce'会将无法转换为数值的内容转为NaN，Pandas的mean()方法默认会忽略NaN值，不影响均值计算
• FutureWarning通常是由于Pandas版本兼容问题，建议升级到较新版本的Pandas，或按照警告提示调整语法

内容的提问来源于stack exchange，提问作者Ali