为何Pandas 1.3.2中groupby写入CSV前失效，读写CSV后运行正常？

问题根因 #

你遇到的异常是Pandas 1.3.0版本的两处不兼容变更共同导致的：

1. 空DataFrame追加行时的类型推断逻辑收紧：你初始化wallet时没有指定列类型，所有列默认是object类型。1.1.5版本追加Series时会自动将数字内容的Cost、Qty列转换为整数类型，而1.3.2版本不会做隐式类型转换，这两列会保持object类型。
2. groupby聚合方法的默认参数变更：1.3.0起groupby.sum()的numeric_only参数默认值从None改为True，只会对明确的数值类型（int/float等）列执行求和，object类型的列会被直接排除，因此最终返回只有索引的空DataFrame。

对应问题解答 #

1. 两个版本groupby结果不一致的原因 #

就是上述两处变更共同作用的结果：1.1.5版本中Cost、Qty是数值类型，sum会正常计算；1.3.2版本中这两列是object类型，被sum默认逻辑排除，所以返回空结果。

2. 读写CSV后运行正常的原因 #

pd.read_csv()会自动根据文件内容推断列类型，Cost、Qty列全为数字，会被自动识别为整数类型，符合sum的默认计算要求，所以结果正常。

3. 内存级替代方案 #

不需要读写文件，可选用以下任意一种方案：

• 方案一：初始化DataFrame时直接指定列类型，从根源避免object类型问题

wallet = pd.DataFrame(columns=['Data','Ticker','Cost','Qty'], dtype={'Cost': 'int64', 'Qty': 'int64'})

• 方案二：groupby前显式转换数值列类型

wallet[['Cost', 'Qty']] = wallet[['Cost', 'Qty']].astype(int)
summary = wallet.groupby(['Ticker']).sum()

• 方案三：sum时显式关闭numeric_only限制（仅确认列内容都是数字时使用）

summary = wallet.groupby(['Ticker']).sum(numeric_only=False)

• 方案四：废弃已淘汰的append方法，一次性生成DataFrame，自动推断正确类型

rows = [
    ['17022019','pcr',10,10],
    ['12042020','pcr',12,15],
    ['19012021','peo',8,16]
]
wallet = pd.DataFrame(rows, columns=['Data','Ticker','Cost','Qty'])

4. 1.3.2版本groupby的使用注意 #

你的写法本身没有逻辑错误，只是没有适配版本默认行为的变更：

• 1.3.x版本groupby聚合函数默认只处理明确的数值类型列，避免隐式类型转换导致的不可预期结果
• 除了sum，mean、max、min等聚合函数都做了相同的参数默认值调整
• 额外提个小问题：你的代码里summary.reset_index()没有赋值，不会修改原summary对象，需要写成summary = summary.reset_index()才能生效。

内容的提问来源于stack exchange，提问作者Rafal