Pandas 中使用 groupby().sum() 会默认对所有数值列和字符串列分别求和（数值相加、字符串拼接），导致分类变量被意外连接成无意义字符串。应显式排除非数值列或指定聚合方式来规避该问题。
如何避免 pandas 分组聚合时对字符串列进行错误拼接：pandas 中使用 `groupby().sum()` 会默认对所有数值列和字符串列分别求和（数值相加、字符串拼接），导致分类变量被意外连接成无意义字符串。应显式排除非数值列或指定聚合方式来规避该问题。
在使用 pandas.DataFrame.groupby().sum() 进行分组聚合时，一个常见却容易被忽视的陷阱是：Pandas 会对所有参与聚合的列统一应用 .sum() 操作——这意味着不仅数值型列会被求和，字符串列也会被逐个拼接（concatenation），而非报错或跳过。例如，当 col_3 是类别型字符串（如 'A', 'B', 'C'）时，groupby(['col_1','col_2']).sum() 可能输出 'AACBB' 这类无业务含义的混合字符串，严重误导分析结果。
✅ 正确做法：明确控制聚合范围
最直接可靠的解决方案是 提前剔除不可聚合的字符串列，仅对数值列执行 sum()：
# ✅ 推荐：显式删除字符串列后再聚合 result = df.drop(columns='col_3').groupby(['col_1', 'col_2']).sum()
此方法简洁、安全，且语义清晰：你主动声明“col_3 不参与数值聚合”，避免任何隐式行为。
⚠️ 其他安全替代方案
-
使用 select_dtypes() 自动筛选数值列（更鲁棒，尤其适用于多列场景）：
numeric_df = df.select_dtypes(include=np.number) result = numeric_df.groupby(df[['col_1', 'col_2']]).sum()
-
为不同列指定差异化聚合函数（灵活性最高）：
result = df.groupby(['col_1', 'col_2']).agg({ 'col_4': 'sum', # 数值列求和 'col_3': lambda x: x.mode().iloc[0] if not x.mode().empty else 'Unknown' # 字符串列取众数 }) -
强制设置 numeric_only=True（Pandas ≥ 1.5.0）：
result = df.groupby(['col_1', 'col_2']).sum(numeric_only=True) # 自动忽略非数值列
? 注意：numeric_only=True 是 Pandas 1.5+ 引入的安全参数，默认为 False；启用后将跳过字符串、日期等非数值列，避免拼接风险，是兼顾兼容性与安全性的优选。
? 验证你的聚合行为
始终检查 groupby 后的列类型：
print(df.dtypes) # 确保字符串列未被误纳入 sum() —— 若发现 `object` 类型列出现在结果中，即表明发生了隐式拼接。
? 总结
- ❌ 避免直接对含字符串列的 DataFrame 调用 groupby(...).sum()；
- ✅ 优先使用 numeric_only=True（新版推荐）或 drop() / select_dtypes() 显式限定数值列；
- ? 如需保留分类列信息，改用 agg() 并为每列指定语义明确的聚合函数（如 'first', 'nunique', 'mode'）；
- ?️ 将 numeric_only=True 视为良好实践，在团队代码规范或数据管道中强制启用，从源头杜绝字符串拼接隐患。
