Pandas groupby计算std返回空数据框及mean报错无数值类型聚合问题

• 类型转换未实际生效：你执行的pd.to_numeric转换可能操作的是DataFrame的视图而非原对象，或后续操作覆盖了price列的类型，导致price列最终仍是字符串/object类型。你输出的describe结果包含count/unique/top/freq是典型的非数值序列统计特征，数值序列的describe会默认返回mean/std/min/max等指标，这直接证明你的price列实际不是数值类型，也是触发DataError: No numeric types to aggregate报错的核心原因。
• 单样本分组返回空值：对于仅出现1次的productcode分组，样本量为1时标准差计算默认会返回NaN，进一步放大了无结果的问题。

1. 修复类型转换问题
   不要用点语法赋值避免链式索引导致的副本修改问题，执行如下代码强制转换类型并验证：

# 强制在原df上修改price列类型
df['price'] = pd.to_numeric(df['price'], errors='raise')
# 验证类型，输出为int64/float64即为转换成功
print(df['price'].dtype)
# 再次确认无空值
print(df['price'].isna().sum())

2. 执行聚合计算
   类型确认正确后，执行对应统计操作即可：

# 计算标准差，单样本分组结果用0填充
std_result = df.groupby('productcode', as_index=False)['price'].std(ddof=0).fillna(0)
# 计算均值
mean_result = df.groupby('productcode', as_index=False)['price'].mean()

3. 验证结果
   执行df.groupby('productcode')['price'].describe()，此时输出会包含mean/std/min/25%/50%/75%/max等数值统计指标，说明修复成功。

内容的提问来源于stack exchange，提问作者user4718221