如何将Pandas DataFrame数据迁移至不同类型的DataFrame变量，及处理汽车价格列时to_numeric返回NaN的问题

嘿，我来帮你搞定这个问题！看起来你现在有两个核心需求：一是把原DataFrame里的价格数据迁移到新变量中（完全不改动原数据），二是解决pd.to_numeric()返回NaN的问题，同时还想按汽车品牌分组计算平均价格对吧？咱们一步步拆解来解决：

一、正确迁移数据到新变量（不修改原DataFrame） #

要复制原DataFrame的列到独立变量，一定要用.copy()方法，这样新变量和原数据完全隔离，后续操作不会影响原DataFrame：

# 复制Price列到新的Series变量，和原DF彻底独立
price_series = car_sales["Price"].copy()

二、解决to_numeric返回NaN的问题 #

你之前的代码里，清理逗号的时候没加str.前缀，导致只替换了整个元素等于,的情况，而不是每个价格字符串里的逗号，这才是转数值时出现NaN的关键！正确的字符串清理应该是这样的：

# 先复制列，避免修改原数据
price_clean = car_sales["Price"].copy()
# 去掉价格里的$符号（regex=False避免把$当作正则元字符）
price_clean = price_clean.str.replace("$", "", regex=False)
# 去掉价格里的逗号，同样要用str.前缀做字符串级别的替换
price_clean = price_clean.str.replace(",", "", regex=False)
# 转换为数值类型，errors="coerce"会把无法转换的内容变成NaN
price_numeric = pd.to_numeric(price_clean, errors="coerce")

如果转换后还是有NaN，你可以用下面的代码排查哪些行没处理成功，看看是不是还有其他非数字字符（比如空格、字母）：

# 查看转换失败的原价格内容
print(price_clean[price_numeric.isna()])

三、按品牌分组计算平均价格 #

你之前直接把price_data传入groupby()的写法不对，因为price_numeric是独立的Series，不能直接作为原DF的列名使用。可以用两种方式实现分组计算：

方法一：创建临时DataFrame再分组 #

# 复制原DF的Make列，加上清理后的价格列
temp_df = car_sales[["Make"]].copy()
temp_df["Cleaned_Price"] = price_numeric
# 按品牌分组计算平均价格
avg_price_by_make = temp_df.groupby("Make")["Cleaned_Price"].mean()

方法二：直接用Series组合分组 #

# 用原DF的Make列和清理后的价格Series构建临时DataFrame再分组
avg_price_by_make = pd.DataFrame({
    "Make": car_sales["Make"],
    "Cleaned_Price": price_numeric
}).groupby("Make")["Cleaned_Price"].mean()

这样操作下来，既不会修改原DataFrame，又能得到正确的平均价格结果啦！

备注：内容来源于stack exchange，提问作者200 OK