Pandas分组报错：'StringDtype'对象无'storage'属性问题咨询

问题场景 #

处理大型DataFrame时，执行以下代码：

df.groupby(['id_column'])['weight'].mean()

当id_column为StringDtype类型时，触发错误：

AttributeError: 'StringDtype' object has no attribute 'storage'

但将该列转为float类型，或缩小DataFrame为单日/单ID的子集时，代码可正常运行。当前环境版本：

• Pandas 版本：1.2.5
• 其他依赖版本：1.22.3

问题原因 #

这是Pandas 1.2.x版本的已知bug：旧版本对StringDtype类型列的groupby聚合逻辑存在兼容性问题，仅在处理大数据量时触发（小数据集会走不同的计算分支，因此不会报错）。

解决方案 #

1. 临时规避（无需升级） #

将StringDtype类型的id_column转为object类型，再执行groupby操作：

# 转换列类型
df['id_column'] = df['id_column'].astype(object)
# 执行聚合计算
df.groupby(['id_column'])['weight'].mean()

2. 根本解决（推荐） #

升级Pandas到1.3.0及以上版本，该bug在1.3.x版本已被官方修复。执行升级命令：

pip install --upgrade pandas

内容的提问来源于stack exchange，提问作者jjEdge