为何计算字符串类型整数的Series均值时得到错误浮点数？

先看你遇到的场景对应的代码：

import pandas as pd

# 存字符串数字的Series
s_str = pd.Series(["1", "2"])
print(s_str.mean())  # 你得到了6.0，不是预期的1.5

# 存普通数字的Series
s_num = pd.Series([1, 2])
print(s_num.mean())  # 正常输出1.5

问题根源很直接：

• 当Series里是正经的整数/浮点数时，mean()就是按算术平均逻辑计算，结果符合预期。
• 但如果是字符串类型的数字，pandas根本不会把它们当成数字处理！
  • 对于常规的object类型字符串，pandas会调用numpy的计算逻辑，去算每个字符串字符的Unicode码点平均值。比如"1"的码点是49，"2"是50，平均应该是49.5；你得到6.0，大概率是实际数据里的字符串对应的码点平均为6（比如不小心用了特殊字符，或是输入错了元素值）。
  • 要是用了pandas专门的StringDtype（dtype="string"），调用mean()会直接报错，因为字符串类型本身不支持算术均值计算。

要得到正确的均值，得先把字符串转成数值类型：

# 直接转成int类型
s_str.astype(int).mean()  # 这下就能得到1.5了

# 更稳妥的方法，能处理无法转换的异常值
pd.to_numeric(s_str, errors="coerce").mean()

内容的提问来源于stack exchange，提问作者alvin