Pandas groupby分组后计算均值结果不符合预期如何解决

结果异常由两个问题共同导致：

• 分组字段不全：你的统计目标是特定区域、特定年份、特定户型的租金均值，但groupby仅传入了town和quarter，漏掉了flat_type维度，会把同区域同年份所有户型的租金混算，不符合统计需求。
• median_rent列类型错误：这是出现e14级别异常值的核心原因。正常2000-3000区间的数值求均值不可能得到万亿级别的结果，说明该列没有被解析为数值类型（int/float），基本是数据读入环节出了问题：要么列里混了千分位逗号、货币符号、空格这类非数字脏字符，要么分隔符识别错误把其他列的长ID、时间戳串到了租金列，pandas做隐式转换时把这些内容转成了超大数值。

1. 先做数据校验，确认列类型和实际值：

# 打印各列类型，确认median_rent是不是object类型
print(df.dtypes)
# 打印租金列的实际存储值，确认是否和你看到的2250/2300一致
print(df['median_rent'].head(20))

2. 清洗租金列，转为正确的数值类型：

# 移除租金列里所有非数字、非小数点的字符，再转成浮点型
df['median_rent'] = (
    df['median_rent']
    .astype(str)
    .str.replace(r'[^0-9.]', '', regex=True)
    .astype(float)
)

3. 补全分组维度后计算均值：

# 按区域、年份、户型三个维度分组求均值
rent_mean = df.groupby(["town", "quarter", "flat_type"])['median_rent'].mean()
print(rent_mean)

如果不想看到科学计数法的显示格式，在代码最开头加一行配置即可：

import pandas as pd
# 强制浮点数显示两位小数，不用科学计数法
pd.set_option('display.float_format', '{:.2f}'.format)

修正后你提到的2011年CLEMENTI 4-RM户型的计算结果会是预期的2312.5，不会再出现异常值。

内容的提问来源于stack exchange，提问作者bonijad383