Python Pandas重采样返回False而非NaN/NA问题咨询

你遇到的这个问题，核心原因几乎可以锁定是数据类型不匹配导致的，咱们一步步来解决：

问题根源分析 #

你的value列大概率不是纯数值类型（比如float64或int64），而是混入了布尔值（True/False），导致列类型变成了object。当对混合类型的列执行resample.sum()时，空时段的计算结果就会异常返回False，而非预期的NaN。

具体解决方案 #

1. 先统一数据类型为数值型 #

先把value列转换为纯数值类型，同时将非数值内容（包括布尔值）强制转为NaN：

# 转换列类型，无法转换的内容自动转为NaN
obs_mean['value'] = pd.to_numeric(obs_mean['value'], errors='coerce')

2. 重采样时确保空时段返回NaN #

使用sum()的min_count参数，指定至少需要1个非NaN值才返回求和结果，否则直接返回NaN：

freq = 'H'
obs_mean_resampled = obs_mean.resample(freq).sum(min_count=1)

验证结果 #

执行完上述步骤后，你的重采样结果会变成符合预期的样子：

value
time
2018-05-18 08:00:00  2.200
2018-05-18 09:00:00     NaN
2018-05-18 10:00:00  24.800
2018-05-18 11:00:00   0.800
2018-05-18 12:00:00  21.400
2018-05-18 13:00:00   2.400

之后你就可以正常用dropna()或fillna()处理这些缺失值了。

内容的提问来源于stack exchange，提问作者Thilina Madumal