Python中df.groupby.sum()返回NaN问题求助

可能的原因及对应解决方案 #

1. 分组键Temperature存在隐形格式差异

看起来相同的温度值，实际可能是不同数据类型（如25和25.0）、带空格/不可见字符的字符串，或是浮点精度差异（如25.0000001和25.0），导致分组后生成了独立的组，进而出现求和结果为NaN的情况。

解决方法：

• 统一数据类型：

  # 转换为数值类型，若有无法转换的项会报错（确保原数据无非法值）
  df['Temperature'] = pd.to_numeric(df['Temperature'], errors='raise')
  

• 处理浮点精度：

  # 根据实际精度需求保留小数位，消除微小差异
  df['Temperature'] = df['Temperature'].round(2)
  

• 清理字符串型温度值：

  # 去除首尾空格和不可见字符
  df['Temperature'] = df['Temperature'].str.strip()
  

2. time_spent列非数值类型

如果time_spent是字符串格式（比如带"小时"单位，或存储为字符串数字），即使没有NaN，sum()操作也无法正确计算数值，会返回NaN。

解决方法：

• 清理并转换为数值类型：

  # 若列中包含单位，先移除单位再转换
  df['time_spent'] = df['time_spent'].str.replace('小时', '').astype(float)
  # 直接转换字符串数字为数值（报错模式确保无非法值）
  df['time_spent'] = pd.to_numeric(df['time_spent'], errors='raise')
  

3. 分组时未指定目标列

直接使用groupby().sum()会对所有数值列求和，若Temperature是数值型，可能干扰结果显示。建议明确指定求和的列，避免歧义。

优化后的分组代码：

# 仅对time_spent列求和，结果更清晰
df_copy = df.groupby('Temperature', as_index=False)['time_spent'].sum()

快速排查步骤 #

1. 检查列数据类型：

   print(df.dtypes)
   

   若Temperature或time_spent为object类型，优先处理类型转换。

2. 查看Temperature的唯一值是否异常：

   print(df['Temperature'].unique())
   

   观察是否有明显格式不一致的数值或字符串。

内容的提问来源于stack exchange，提问作者Gowtham Balaji