关于Pandas 0.22.0中sum()/product()将NaN视为单位元的改动原因问询

嘿，这个问题抓得很准！我来详细聊聊pandas 0.22.0里sum()和product()的这次关键调整：

核心改动是什么？ #

在0.22.0版本之后，这两个聚合函数对NaN值的处理逻辑发生了本质变化：

• sum()会将NaN视为加法单位元0，不再直接返回NaN
• product()会将NaN视为乘法单位元1，同样不再直接返回NaN

举个直观的代码例子：

import pandas as pd
import numpy as np

s = pd.Series([np.nan, np.nan])
print(s.sum())  # 0.22.0之前返回NaN，之后返回0
print(s.product())  # 0.22.0之前返回NaN，之后返回1

改动的原因：不止是适配分组/重采样 #

你提到的适配重采样、分组场景确实是重要原因，但绝非全部：

• 场景一致性需求：在分组聚合、时间序列重采样这类高频分析场景中，经常会遇到某一组/某一时间段全是NaN的情况。之前的逻辑会直接返回NaN，导致后续整个分析流程中断；现在用单位元填充，能保证结果的连续性，更符合数据分析的实际需求。
• 聚合逻辑的统一：这次改动让sum()/product()和其他聚合函数（比如count()、mean()）的行为逻辑更统一——都是尽量在缺失值存在的情况下返回有意义的结果，而非直接抛出无效值。
• 社区反馈驱动：pandas团队收到了大量用户反馈，希望优化缺失值在聚合时的处理逻辑，减少因NaN导致的分析中断问题，这次调整是对社区需求的直接响应。

从数学角度看这个改动 #

你和数学家讨论的点非常关键：从纯数学定义来说，单位元和任意元素运算都返回原元素，但pandas这里的处理是把NaN视为“缺失的输入”，而非一个合法的数学元素。在数据分析场景中，我们更关注的是“当部分数据缺失时，聚合结果依然能反映有效信息”，而不是严格遵循纯数学中对NaN的定义（毕竟NaN本身就代表“不存在的值”）。

这是一次数学严谨性与数据分析实用性的权衡——pandas最终选择了更贴近实际业务需求的方向。

内容的提问来源于stack exchange，提问作者MattR