Pandas Groupby未达预期结果，如何排查原因？

• 检查字符串隐藏格式差异
  视觉相同的字符串可能带有空格、制表符或换行符，用以下代码查看原始形态和长度：

  # 显示字符串原始格式（含不可见字符）
  print(repr(df['PROJECTNAME'][14500]))
  print(repr(df['PROJECTNAME'][14501]))
  # 对比字符串长度
  print(len(df['PROJECTNAME'][14500]), len(df['PROJECTNAME'][14501]))
  

• 排查Unicode字符差异
  部分字符视觉一致但属于不同Unicode编码（如全角/半角减号、相似字母），用unicodedata逐个字符验证：

  import unicodedata
  # 打印第一个字符串的字符名称
  for char in df['PROJECTNAME'][14500]:
      print(f"{char}: {unicodedata.name(char)}")
  # 打印第二个字符串的字符名称并对比
  for char in df['PROJECTNAME'][14501]:
      print(f"{char}: {unicodedata.name(char)}")
  

• 标准化字符串后测试分组
  对PROJECTNAME列做清理后重新分组，验证是否是格式问题导致失效：

  # 去除首尾空白字符
  df['PROJECTNAME_clean'] = df['PROJECTNAME'].str.strip()
  # 替换全角符号为半角（如全角减号）
  df['PROJECTNAME_clean'] = df['PROJECTNAME_clean'].str.replace('－', '-')
  # 重新分组并查看结果
  grouped = df.groupby('PROJECTNAME_clean')
  print(grouped.size())  # 输出每个分组的行数
  

• 查看唯一值统计
  直接查看PROJECTNAME列的唯一值和出现次数，确认是否有视觉重复但实际不同的项：

  print(df['PROJECTNAME'].unique())
  print(df['PROJECTNAME'].value_counts())
  

• 检查空值或空字符串
  确认是否存在NaN或空字符串干扰分组逻辑：

  # 统计NaN数量
  print(df['PROJECTNAME'].isna().sum())
  # 统计空字符串数量
  print(df[df['PROJECTNAME'] == ''].shape[0])
  

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