pandas 3.0.1 数据清洗实测：两个旧示例报错与 14 项结果校验

数据清洗教程里最容易被忽略的前提，是示例究竟使用了哪个依赖版本。2026 年 11 月 2 日，参考华为云 KooLabs 的“Python 数据分析-pandas 数据清洗”实验手册，在本地使用合成数据复现了主要的数据清洗操作，同时检查了旧示例在 pandas 3.0.1 下的行为。

本文由 AI 助手协助编写、运行示例并整理结果。示例不含真实用户或业务数据；运行环境为 Python 3.12.14、pandas 3.0.1、NumPy 2.3.5。本文只记录本地数据处理实践，不代表完成了手册中的 ECS 购买、云端部署或认证考试，也不代表账号所有者已逐项人工验收。

一、前向填充：旧参数会直接报错

在上述环境中运行：

import numpy as np
import pandas as pd

s = pd.Series([1.0, np.nan, 3.0])
s.fillna(method="ffill")

实际报错为：

TypeError: NDFrame.fillna() got an unexpected keyword argument 'method'

使用专门的方法可以表达同样的意图：

assert s.ffill().tolist() == [1.0, 1.0, 3.0]
assert s.bfill().tolist() == [1.0, 3.0, 3.0]
assert s.interpolate().tolist() == [1.0, 2.0, 3.0]

这里需要先明确业务规则：前向填充沿用上一个已知值，后向填充采用后一个已知值，线性插值则估计中间值。三者能运行，并不意味着可以在业务上随意互换。数据若按时间排序、分组方式不同，填充结果也可能产生不同含义。

二、插值：先限定数值列

另一个实测问题出现在混合字符串和数值的表格上：

df = pd.DataFrame({
    "label": ["a", "b", "c"],
    "value": [1.0, np.nan, 3.0],
})
df.interpolate()

在本次 pandas 3.0.1 环境中，结果是：

TypeError: Cannot interpolate with str dtype

更清晰的处理方式是只对需要插值的数值列操作：

numeric = df.select_dtypes(include="number").columns
df[numeric] = df[numeric].interpolate()

assert df["value"].tolist() == [1.0, 2.0, 3.0]
assert df["label"].tolist() == ["a", "b", "c"]

不要为了让插值函数通过，就把标识符、标签或日期原文随意转成数字。清洗应该保留字段语义，而不是只追求代码没有异常。

三、把清洗规则写成可以检查的结果

这次实践使用独立构造的订单、分组和时间数据，共完成 14 项校验：

所有校验在本地运行通过。断言的价值，是把“看起来清洗好了”改成明确的约束。例如，合并后行数意外增加，可能意味着关联键不唯一；因此示例使用 validate="one_to_one" 检查关联关系。实际业务若本来就是一对多，应选用对应约束，不能照搬。

四、转换失败后，不要把问题藏起来

raw = pd.Series(["12.50", "bad", "4"])
converted = pd.to_numeric(raw, errors="coerce")
invalid = raw.notna() & converted.isna()

assert invalid.sum() == 1
assert raw[invalid].tolist() == ["bad"]

errors="coerce" 只是把不可解析的内容转换为缺失值，不等于修复了原始数据。保留非法值数量和原始值，才能继续判断应当纠正、隔离还是拒收。业务主键、金额和时间字段尤其应该定义明确的处理规则。

五、复现实验时保留三个边界

第一，记录依赖版本，升级后重新执行关键用例。本文的兼容性结论仅对应上述实测环境，不推断其他版本也有完全相同的表现。

第二，使用合成数据验证流程，再在授权范围内接入业务数据。填充、去重和异常值截断都可能改变统计结论，需要业务规则支持。

第三，把本地代码实践与云资源操作分开记录。这次运行没有购买 ECS，也没有调用付费模型 API；不能把本地断言通过描述成云端部署已经完成。

参考实验手册：https://edu.huaweicloud.com/lab/experiment-detail_20006973

文中代码是针对上述问题重新整理的最小示例；表中结果来自本次实际运行记录。