在你的 `total_df` 中出现了一列 `histdate`，并且其中一列全是 `NaN` 值，这是因为在 SQL 查询中 **两个子查询都包含 `histdate` 字段**，并且字段名重复，但在最终结果中没有正确处理，导致 Pandas 读取时识别出两个同名列，其中一个可能被自动标记为 `NaN`。 --- ### ✅ 解决方法：在 SQL 查询中重命名字段 为了避免字段名冲突，应该在 SQL 查询中对重复字段进行重命名。 #### 🔧 修改 SQL 中的字段名（子查询 b 中的 `histdate` 改为 `move_histdate`）： ```sql SELECT a.histdate, a.technology, a.wip AS wip, b.move AS move, Round(move/wip,2) tr from ( SELECT a.histdate, a.technology, a.wip AS wip, b.move AS move FROM ( select histdate,technology, sum(componentqty) WIP from dw01.sdb_tb_info_wip_hist_all_p1@B2MFGDBP1 WHERE 1=1 AND histdate = '{}' AND adstatus<>'Bank' AND technology NOT LIKE 'Z%' AND LOTTYPE NOT IN ('C','D','Z','V','Y','L','T','LF') AND priority NOT IN (8,9) group by technology, histdate )a JOIN ( SELECT '{}' AS move_histdate, SUBSTR(process,2,5) TECH, SUM(TRACKOUTQTY) MOVE, Nvl(Sum(CASE WHEN stage IN ('WF-START') THEN TRACKOUTQTY END),0) LASTDAY_WFS FROM dw01.sdb_tb_wip_tito_hist_p1@B2MFGDBP1 WHERE trackouttime >= '{}' AND trackouttime < '{}' AND TRACKOUTSTAGEFLAG='T' AND FAB='B1' AND process NOT LIKE '_Z%' AND LOTTYPE NOT IN ('C','D','Z','V','Y','L','T','LF') AND priority NOT IN (8,9) GROUP BY SUBSTR(process,2,5) )b ON a.technology = b.TECH ) ``` 这样，SQL 查询返回的字段中就不会有两个 `histdate`，而是： - `histdate`（来自子查询 a） - `move_histdate`（来自子查询 b） --- ### ✅ 在 Pandas 中处理：删除全为 NaN 的列 如果你不想修改 SQL，也可以在 Pandas 中处理，删除全为 `NaN` 的列： ```python # 删除所有全为 NaN 的列 total_df.dropna(axis=1, how='all', inplace=True) ``` 或者，如果你只想删除某一列（比如重复的 `histdate`）： ```python # 删除某一列（比如列名重复或无用） total_df = total_df.loc[:, ~total_df.columns.duplicated()] # 自动去重重复列名 ``` --- ### ✅ 最佳实践建议 1. **SQL 中字段名唯一化**：避免字段名重复，尤其是在多表 JOIN 时。 2. **Pandas 中检查列名**：使用 `tr_df.columns` 查看列名是否重复。 3. **使用 `.duplicated()` 删除重复列名**： ```python total_df = total_df.loc[:, ~total_df.columns.duplicated()] ``` --- ###