pandas 排错：对齐、连接放大与月报差异

前置：完整销售月报。不要从“最后一行sum看起来不对”开始随机改参数。先用输入规则缩小边界，再逐阶段检查行数、键唯一性、缺失数、金额总和和时区。诊断输出只显示列名、计数或脱敏样本，不把客户明细直接写入生产日志。

类型与空值异常

pandas客户编号变成数字怎么办：检查读入时dtype和NA推断，确认001是否在进入DataFrame前就丢失前导零。已经转换成1后无法可靠重建原ID，补零需要外部明确宽度契约，不能凭猜测修复。Int64转换失败先定位非法字符串和缺失来源，不用errors='coerce'把坏金额变成NA再补零。

项目以严格字符串结构进入，因此“invalid customer_id”是业务边界失败；“wrong field count”则先检查CSV引号与多余分隔符。csv.reader支持引号内逗号，手动split不能替代。UnicodeError应查输入编码，不要自动忽略解码错误后发布改变过的标识。

连接与行数差异

pandas多对一连接报错怎么处理：客户键重复意味着维度有歧义，先比较重复ID对应的地区，交给数据来源修正，不能任意保留第一条。unknown customer_id意味着销售没有匹配客户；不要切换inner连接让错误记录消失。连接前后的行数和金额守恒用于定位放大或丢单，检查结果应与连接基数约束一起使用。

把客户001复制成east和west两行，理论上普通连接会让该客户的每笔销售出现两次。项目在merge之前的唯一性门禁已拒绝它，validate仍表达API层预期。若业务确实允许一个客户多个历史地区，需要生效时间和区间连接规则，这已超出当前静态维度模型。

月份错位和NaT

pandas月底销售进入下个月正常吗：先查看原始偏移、UTC瞬间和上海当地时间，按业务时区计算月份后再比较。2025-01-31T16:00:00Z进入二月是预期；2025-12-31T16:00:00Z转换后超出当地2025窗口，必须拒绝。日期解析失败不要先coerce再dropna，那会让坏销售从总额中消失。

本项目只接受带偏移完整秒，所以无时区数据应要求上游补充可靠来源信息。若原数据是纽约墙钟，夏令时重复或不存在的时间还需要ambiguous/nonexistent规则；不能直接套用上海的例子。时区找不到时检查tzdata环境，不要移除时区改成naive datetime来绕过错误。

写入错误和结果可信度

pandas报告写入失败后怎么办：先检查父目录、权限、磁盘和Windows文件锁，确认os.replace前是否已有完整临时文件。程序正常异常路径会清理临时文件并返回1，旧输出应仍可读取；不能因为旧文件存在就声称本次运行成功。自动化调用必须同时检查退出码和期望输出，而不是只判断文件是否存在。

写入成功但比较失败时检查是否额外输出索引、列顺序不同、平台换行或分组排序变化；本项目固定index=False、列顺序和LF。检查静态报告时只能得出AST可解析、CSV结构和模板检查通过；pandas实际转换行为、平台依赖解析、文件锁和崩溃情况均未执行验证。

有限内存与性能边界

pandas月报内存过大如何判断：当前模型把两张表和连接结果都保留在内存，行数上限不是进程内存限额。先量输入字节数、字符串长度和实际列类型，再评估是否需要chunksize；只把读取换成分块并不能自动解决客户维表常驻、跨块销售去重和全局金额上界。不要先加入多进程，复制DataFrame可能增加峰值。

真实扩大规模时，应设计全局主键去重、增量汇总、失败回滚及磁盘交换策略；或者把关系约束交给数据库。当前课程保留可手算、可审查的内存流水线，不承诺千万行性能。选择读取工具应依据数据规模和契约，而不是“向量化总比循环快”的口号。

排错练习

一位同事用inner连接修复unknown customer_id，又用fillna(0)修复金额错误，报告终于生成。写出两个必须追问的不变量，并说明应在哪个阶段拒绝数据。另有一次退出1但旧文件还在，解释这是否说明发布失败处理有bug。

参考解法

核对销售行数与金额总和是否守恒，未知客户应在连接匹配检查拒绝；未知金额在输入校验拒绝，不能伪装为零收入。退出1且旧文件存在是保留上一份报告的预期，必须根据退出码判断本次任务失败。追加运行时间或外部任务记录可以区分产物批次，但不能把它当作当前项目已有功能。