Python pandas读取Excel和CSV后groupby分组求和结果不同如何解决

两个DataFrame肉眼显示一致但分组结果不同，核心原因是底层数据存在不可见的差异，按以下步骤排查即可对齐结果：

步骤1：核对所有列的数据类型 #

不要仅看显示内容，先执行以下代码对比两个DataFrame的元数据：

# 输出两个DF的字段类型、非空值数量
FY20.info()
FY20b.info()

常见不一致场景：

• 数字型分组键（比如Plant、纯数字SKU）：Excel读取时自动识别为int/float类型，CSV读取时被识别为字符串类型，不同数据类型在groupby时会被判定为不同分组。
• 求和列：CSV读取时因为存在特殊字符（如千分位逗号、空占位符）被识别为object类型，求和运算结果异常。
  解决方法：统一转为和Excel读取结果相同的类型，示例：

# 把CSV读取的Plant列转为int类型
FY20b['Plant'] = FY20b['Plant'].astype(int)
# 把求和列转为float类型
FY20b[["OrderQuantity","DeliveredQuantity"]] = FY20b[["OrderQuantity","DeliveredQuantity"]].astype(float)

步骤2：清理字符串分组键的不可见字符 #

字符串类型的分组键（如SKU、Material）可能存在首尾空格、制表符、换行符等不可见字符，Excel读取时会自动修剪这类字符，CSV读取时会默认保留，导致groupby分组错误。
统一清理所有字符串分组键：

group_cols = ['SKU', 'Material', 'Plant']
for col in group_cols:
    # 仅处理字符串类型列
    if FY20[col].dtype == object:
        FY20[col] = FY20[col].str.strip()
    if FY20b[col].dtype == object:
        FY20b[col] = FY20b[col].str.strip()

步骤3：对齐空值识别规则 #

CSV读取时默认会把空单元格识别为空字符串''，而Excel读取时会识别为NaN，空字符串和NaN在groupby时会被判定为不同分组。
在读取CSV时添加参数统一空值识别逻辑：

FY20b = pd.read_csv("Input Data\Historical Demand FY20.csv", na_values=[''])

步骤4：定位具体差异（可选） #

如果以上操作后结果还是不一致，执行以下代码直接输出两个原始DataFrame的具体差异点：

# 先判断是否完全相等
print(FY20.equals(FY20b))
# 输出不一致的具体位置
pd.testing.assert_frame_equal(FY20, FY20b)

内容的提问来源于stack exchange，提问作者fantje1996