Pandas空DataFrame分组后字段类型变更问题咨询

这个问题确实是 pandas 从 0.18.0 升级到 0.23.0 后出现的行为变化，我之前也踩过类似的坑——当分组的 DataFrame 是空集时，聚合后重置索引会把原本 object 类型的分组字段自动转为 float64，后续做字符串匹配时很容易触发 TypeError。

下面给你几个比手动逐个重新赋值类型更优雅的处理方法：

方法一：将分组字段转为 Category 类型 #

把用作分组键的字段提前转为 category 类型，这样即使分组结果为空，pandas 也会保留字段的原始类型信息，不会自动转为 float64：

# 先将分组字段转为category
df['field1'] = df['field1'].astype('category')
df['field2'] = df['field2'].astype('category')

# 再执行分组聚合
dfGrouped = df.groupby(['field1','field2'])[['num1','num2']].sum().reset_index()

# 若需要转回object类型，可追加如下代码
# dfGrouped['field1'] = dfGrouped['field1'].astype('object')
# dfGrouped['field2'] = dfGrouped['field2'].astype('object')
print(dfGrouped.dtypes)

方法二：利用原DataFrame的dtypes批量恢复类型 #

直接基于原 DataFrame 的 dtype 信息，一次性重置分组结果的所有字段类型，不用逐个处理：

dfGrouped = df.groupby(['field1','field2'])[['num1','num2']].sum().reset_index()

# 用原df的dtypes字典批量转换类型
dfGrouped = dfGrouped.astype(df.dtypes.to_dict())

# 验证类型是否恢复
print(dfGrouped.dtypes)

方法三：补充使用dropna=False参数（适配含NaN的非空场景） #

如果你的场景里偶尔会有非空但包含NaN的分组键，可以加上dropna=False参数，确保即使分组键是NaN，也不会改变字段类型（对完全空的DataFrame效果有限，但可作为场景补充）：

dfGrouped = df.groupby(['field1','field2'], dropna=False)[['num1','num2']].sum().reset_index()

为什么会出现这个问题？ #

在 pandas 0.23.0 中，当对空 DataFrame 执行分组聚合时，生成的空结果的索引会被内部推断为 float64 类型（因为空的 object 索引会被处理为 NaN，而 NaN 属于 float 类型），调用reset_index时就会把这些索引列转为 float64。而旧版本的 pandas 会保留分组键原本的 object 类型，这就是版本间的行为差异。

内容的提问来源于stack exchange，提问作者jboxxx