Python Pandas计算会员组length_duration均值遇执行无响应问题排查

你的代码逻辑本身没有错误，一直显示“executing”无结果，大概率是以下几种原因导致的：

• 数据量过大：如果DataFrame行数特别多，单条件筛选+均值计算会消耗大量内存和时间，建议先做数据抽样测试，比如：

  # 取10%的样本数据测试
  sample_df = df.sample(frac=0.1, random_state=42)
  round(sample_df[sample_df["member_casual"] == "member"]["length_duration"].mean(), 1)
  

  如果样本能出结果，说明是全量数据处理的性能问题，这时可以考虑用dask.dataframe替代pandas处理大数据，或者分块读取数据。

• length_duration数据类型异常：如果该列不是数值类型（比如是字符串），mean计算会隐性消耗大量资源甚至卡住。先检查数据类型：

  print(df["length_duration"].dtype)
  # 如果是object类型，尝试转换为数值
  df["length_duration"] = pd.to_numeric(df["length_duration"], errors="coerce")
  

  转换后再重新执行你的均值计算，注意errors="coerce"会把无法转换的值设为NaN，不影响均值计算（pandas会自动忽略NaN）。

• 内存不足：如果你的内存不足以承载筛选后的数据集，程序会卡在内存交换阶段。可以用以下命令查看DataFrame内存占用：

  print(df.memory_usage(deep=True).sum() / 1024**2)  # 输出占用内存MB数
  

  要是内存占用过高，建议先清理无关列再计算：

  # 只保留需要的两列
  slim_df = df[["member_casual", "length_duration"]]
  round(slim_df[slim_df["member_casual"] == "member"]["length_duration"].mean(), 1)
  

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