Pandas选取两列重采样后.mean()仅返回一列的问题排查

这个问题我之前也碰到过，大概率是visibility列的数值有效性或者数据类型出了问题，导致聚合后整列结果全为NaN，被Pandas默认自动丢弃了。咱们一步步来排查和解决：

第一步：排查核心原因 #

先确认visibility列的关键状态，比如数据类型、缺失值数量，是否存在非数值内容：

# 检查数据类型
print("visibility列数据类型：", temp_2011_clean['visibility'].dtype)
# 统计缺失值总数
print("visibility列缺失值数量：", temp_2011_clean['visibility'].isna().sum())
# 如果是object类型，检查是否存在非数值字符串
if temp_2011_clean['visibility'].dtype == 'object':
    non_numeric = temp_2011_clean['visibility'].loc[~temp_2011_clean['visibility'].str.replace('.', '').str.isdigit()]
    print("非数值内容示例：", non_numeric.head())

常见触发问题的两种情况：

• 数据类型错误：visibility列是object类型（比如存储为带格式的字符串），无法直接计算均值
• 缺失值占比过高：该列大部分值是NaN，重采样聚合后整列结果全为NaN，Pandas默认会丢弃这类无有效结果的列

第二步：针对性解决 #

情况1：数据类型为object（字符串） #

先将列转换为数值型，无法转换的内容强制转为NaN（后续可按需处理缺失值）：

import pandas as pd
temp_2011_clean['visibility'] = pd.to_numeric(temp_2011_clean['visibility'], errors='coerce')

情况2：缺失值过多但需要保留列 #

如果确实有大量缺失值，但希望即使结果为NaN也保留列，可以用两种方式处理：

方式A：显式指定每列的聚合规则

这种方式会强制保留你指定的列，哪怕结果全是NaN：

temp_2011_clean[['visibility', 'dry_bulb_faren']].resample('W').agg({
    'visibility': 'mean',
    'dry_bulb_faren': 'mean'
}).head()

方式B：关闭均值计算的跳过缺失值设置（慎用）

设置skipna=False后，只要列中有任何NaN，整列的均值结果会变成NaN，但列会被保留：

temp_2011_clean[['visibility', 'dry_bulb_faren']].resample('W').mean(skipna=False).head()

第三步：验证修复结果 #

处理完成后，重新运行重采样聚合代码，就能看到visibility列被正常保留了：

temp_2011_clean[['visibility', 'dry_bulb_faren']].resample('W').mean().head()

内容的提问来源于stack exchange，提问作者Srinivas