Python计算泰坦尼克数据集Survived分组年龄总和与Excel结果不符求助

核心问题 #

你的代码有两个关键错误导致结果和Excel不一致：

1. df.dropna(axis=0)未生效：这行代码执行后没有重新赋值给df，原DataFrame完全没被修改，删除缺失值的操作等于白做。
2. 数据过滤逻辑不匹配：dropna(axis=0)会删除所有包含缺失值的行（比如Cabin、Embarked列有缺失的行也会被移除），但Excel是仅筛选Age列非空的行后求和，两者的样本范围不一样。

另外，df.groupby('Survived').sum()会对所有列求和，你应该明确指定只计算Age列，避免其他列的结果干扰判断。

修正代码 #

方案1：和Excel逻辑对齐（仅保留Age非空的行） #

import pandas as pd

df = pd.read_excel('titanic_train.xls')
# 只保留Age列不为空的行，和Excel筛选逻辑一致
df = df[df['Age'].notna()]
# 仅对Age列分组求和
age_sum = df.groupby('Survived')['Age'].sum()
print(age_sum)

方案2：若你确实想删除所有含缺失值的行（需正确赋值） #

import pandas as pd

df = pd.read_excel('titanic_train.xls')
# 必须重新赋值给df，才能让删除缺失值的操作生效
df = df.dropna(axis=0)
age_sum = df.groupby('Survived')['Age'].sum()
print(age_sum)

验证步骤 #

1. 执行print(df['Age'].isnull().sum())查看原始数据中Age的缺失数量，对比Excel筛选后的有效行数，确认样本集一致。
2. 优先使用groupby('Survived')['Age'].sum()而非全列求和，聚焦目标列的结果，避免混淆。

内容的提问来源于stack exchange，提问作者Caio Katarn