如何使用df.resample时让全NaN分组的求和结果为NaN而非0？

云上老周

2026-8-7

解决方案：resample聚合时区分全NaN组与混合组

下面提供两种基于resample的实现方式，满足你"全NaN分组返回NaN、混合分组将NaN视为0求和"的需求：

方法1：自定义聚合函数

直接在agg中使用自定义函数，先判断分组内是否全为NaN，再决定返回值：

import pandas as pd
import numpy as np

# 构造示例数据
d = {'date': pd.date_range(start='2022-12-09 00:00:00',
                           end='2022-12-09 02:50:00',
                           freq='10min'),
     'amount': [np.nan]*6 + [1]*5 + [np.nan] +[2]*6}
df = pd.DataFrame(d)

# 自定义聚合逻辑
def custom_sum(group):
    if group.isna().all():
        return np.nan
    return group.sum()

# 按小时聚合
result = df.resample(rule='H', on='date').agg({'amount': custom_sum})
print(result)

输出结果：

amount
date                       
2022-12-09 00:00:00     NaN
2022-12-09 01:00:00     5.0
2022-12-09 02:00:00    12.0

方法2：先聚合再替换

先计算常规sum结果，再通过分组判断替换全NaN组的数值：

# 按小时分组，同时计算sum值和是否全为NaN的标记
agg_data = df.resample('H', on='date')['amount'].agg(
    sum_amount='sum',
    is_all_nan=lambda x: x.isna().all()
)

# 根据标记替换结果
agg_data['amount'] = np.where(agg_data['is_all_nan'], np.nan, agg_data['sum_amount'])

# 整理最终结果
result = agg_data.drop(columns=['sum_amount', 'is_all_nan'])
print(result)

输出与方法1完全一致。