处理大型DataFrame时groupby后sum求和失效问题求助

核心问题 #

你的Available列是字符串类型（Pandas中显示为object），而非数值类型，所以调用sum()时会执行字符串拼接操作，而非你期望的数值求和。小批量数据可能刚好没有触发类型识别错误，但全量600+行数据里存在导致类型异常的内容。

解决步骤 #

1. 确认列数据类型
   先执行以下代码查看各列类型，确认Available是否为object：

   print(df.dtypes)
   

2. 转换列类型为数值型
   用pd.to_numeric强制转换，同时处理可能存在的非数值内容（比如空格、特殊字符、空值）：

   import pandas as pd
   
   # 将字符串转为数值，无法转换的内容设为NaN
   df['Available'] = pd.to_numeric(df['Available'], errors='coerce')
   # 可选：用0填充空值，再转为整数类型
   df['Available'] = df['Available'].fillna(0).astype(int)
   

3. 重新执行分组求和
   转换完成后再运行你的分组代码，就能得到正确的数值求和结果：

   df2 = df.groupby(['Code', 'Item', 'Size', 'Location'])['Available'].sum().reset_index()
   print(df2)
   

为什么小数据正常？ #

小样本中的Available值都是纯数字，Pandas自动识别成了数值类型；但全量数据里可能存在隐藏的异常内容（比如某行的Available字段有空格、字母，或者格式错乱），导致Pandas将整列识别为字符串类型，最终触发字符串拼接的sum()行为。

内容的提问来源于stack exchange，提问作者KPy