按深度分组计算DataFrame均值时排除0值的问题

• 先确认0值是否成功替换为NaN
  执行替换操作后，用以下代码验证替换效果：

  # 查看各列NaN的数量，确认0已被替换
  print(file.isna().sum())
  # 检查数据类型，确保目标列是数值型
  print(file.dtypes)
  

  如果替换未生效，可能是0的类型为字符串，或存在接近0的极小值，可尝试：

  # 仅对数值型列替换0为NaN
  file = file.apply(lambda x: x.replace(0, np.nan) if np.issubdtype(x.dtype, np.number) else x)
  # 替换极小值为NaN（比如小于1e-6的数值）
  file[file < 1e-6] = np.nan
  

• 确保分组计算均值时跳过NaN
  pandas的mean()方法默认会跳过NaN，但需保证分组逻辑正确。示例代码：

  # 按"深度"分组，计算所有数值列的均值
  depth_avg = file.groupby('深度').mean()
  # 或指定单一列计算均值
  depth_avg = file.groupby('深度')['目标列名'].mean()
  

• 额外检查：确认深度列数据类型
  如果深度列是字符串类型，会导致分组错误（如"49"和49被视为不同分组），需转换为数值型：

  file['深度'] = pd.to_numeric(file['深度'], errors='coerce')
  # 剔除深度为NaN的无效行
  file = file.dropna(subset=['深度'])
  

内容的提问来源于stack exchange，提问作者jalfer