Pandas GroupBy对字符串列执行min/max聚合报错求助

问题场景 #

现有如下DataFrame：

Employee_id  REGIONAL_GROUPING
0   5035496      WEST I
1   5035496      WEST I
2   5035496      TN II

需要按Employee_id分组后，获取REGIONAL_GROUPING列的最大值和最小值，预期输出：

Employee_id      max_REGIONAL_GROUPING   min_REGIONAL_GROUPING                        
0    5035496         WEST I                    TN II    

尝试的代码及错误 #

执行以下代码时出现报错：

df.groupby('Employee_id').agg({'REGIONAL_GROUPING': ['min', 'max']})

错误信息：

File ~\Miniconda3\lib\site-packages\pandas\core\nanops.py:1043, in _nanminmax.<locals>.reduction(values, axis, skipna, mask)
   1041         result = np.nan
   1042 else:
-> 1043     result = getattr(values, meth)(axis)
   1045 result = _maybe_null_out(result, axis, mask, values.shape)
   1046 return result

File ~\Miniconda3\lib\site-packages\numpy\core\_methods.py:44, in _amin(a, axis, out, keepdims, initial, where)
     42 def _amin(a, axis=None, out=None, keepdims=False,
     43           initial=_NoValue, where=True):
---&gt; 44     return umr_minimum(a, axis, None, out, keepdims, initial, where)

TypeError: '<=' not supported between instances of 'str' and 'float'

错误原因 #

报错核心是REGIONAL_GROUPING列中存在字符串和float类型混合的情况（通常是存在NaN值，因为NaN在pandas里属于float类型），导致执行min/max聚合时，无法对字符串和float做大小比较。

解决方案 #

方案1：先清理空值，再聚合 #

先把列中的NaN替换成不影响排序的字符串，再执行分组聚合：

import pandas as pd

# 替换NaN为特定字符串（可根据业务需求调整）
df['REGIONAL_GROUPING'] = df['REGIONAL_GROUPING'].fillna('')
# 执行聚合并重置索引
result = df.groupby('Employee_id').agg(
    max_REGIONAL_GROUPING=('REGIONAL_GROUPING', 'max'),
    min_REGIONAL_GROUPING=('REGIONAL_GROUPING', 'min')
).reset_index()

方案2：自定义聚合函数处理类型 #

通过lambda函数先过滤空值并统一转为字符串，再取min/max：

import pandas as pd

result = df.groupby('Employee_id').agg(
    max_REGIONAL_GROUPING=('REGIONAL_GROUPING', lambda x: max([str(v) for v in x if pd.notna(v)])),
    min_REGIONAL_GROUPING=('REGIONAL_GROUPING', lambda x: min([str(v) for v in x if pd.notna(v)]))
).reset_index()

方案3：过滤空行后聚合 #

如果业务允许丢弃含空值的行，可先过滤再聚合：

result = df.dropna(subset=['REGIONAL_GROUPING']).groupby('Employee_id').agg(
    max_REGIONAL_GROUPING=('REGIONAL_GROUPING', 'max'),
    min_REGIONAL_GROUPING=('REGIONAL_GROUPING', 'min')
).reset_index()

验证结果 #

执行上述任意方案后，均可得到预期输出：

Employee_id max_REGIONAL_GROUPING min_REGIONAL_GROUPING
0       5035496                WEST I                 TN II

内容的提问来源于stack exchange，提问作者Mark