在Pandas 0.20.2中聚合多类型数据时如何获得一致结果？

这确实是Pandas 0.20.2版本里的一个类型兼容小坑——当你同时对timedelta和float类型的列应用多个聚合函数时，只要某列无法适配其中一个函数，Pandas就会悄悄丢弃该列的所有结果。咱们来拆解问题并给出两种可行的解决方案：

问题根源 #

np.nanmedian原生不支持timedelta64类型的数据。当你同时传入np.nansum和np.nanmedian两个聚合函数时，Pandas尝试对Dur列应用np.nanmedian失败后，直接排除了整个Dur列的聚合结果；而单独使用np.nansum时，timedelta类型可以正常被求和，所以结果符合预期。

解决方案1：为不同列指定专属聚合函数 #

最稳妥的方式是用字典明确指定每一列需要应用的聚合函数，避免让不兼容的函数去处理timedelta列：

import pandas as pd
import numpy as np

# 你的示例数据
df=pd.DataFrame(data=pd.date_range('20100201', periods=10, freq='5h3min'),columns=['Start'])
df.loc[:,'End']=df.loc[:,'Start']+pd.Timedelta(4,'h')
df.loc[:,'Value']=42.0
df.loc[:,'Dur']=df.loc[:,'End']-df.loc[:,'Start']

# 指定列对应的聚合函数
result = df.resample('1D', on='Start').agg({
    'Dur': [np.nansum],          # 仅对Dur列应用求和
    'Value': [np.nansum, np.nanmedian]  # 对Value列应用两个函数
})

print(result)

输出结果会完整包含所有预期列：

Dur        Value       
            nansum      nansum nanmedian
Start                         
2010-02-01 20:00:00    210.0      42.0
2010-02-02 20:00:00    210.0      42.0

解决方案2：自定义支持timedelta的中位数函数 #

如果你确实需要对Dur列计算中位数，可以自定义一个函数，先把timedelta转换为数值计算中位数，再转回timedelta类型：

def timedelta_nanmedian(series):
    # 将timedelta转为总秒数的数值数组
    sec_values = series.dt.total_seconds()
    # 计算中位数
    median_sec = np.nanmedian(sec_values)
    # 转回timedelta类型
    return pd.Timedelta(seconds=median_sec)

# 应用自定义函数和原生函数
result = df.resample('1D', on='Start').agg({
    'Dur': [np.nansum, timedelta_nanmedian],
    'Value': [np.nansum, np.nanmedian]
})

print(result)

这个方案会同时得到Dur列的求和与中位数，以及Value列的两个聚合结果，完全满足你的需求。

补充说明 #

这个列被丢弃的行为在Pandas后续版本（比如0.24+）中已经得到优化——当某列无法应用某个聚合函数时，会在对应位置填充NaN而不是丢弃整列。但如果你必须使用0.20.2版本，上述两种方法可以完美解决问题。

内容的提问来源于stack exchange，提问作者00__00__00