Pandas groupby与sklean预处理组合继续

从本帖继续：

我需要通过按两列缩放分组数据来进行预处理，但第二种方法会出现一些错误

import pandas as pd
import numpy as np
from sklearn.preprocessing import robust_scale,minmax_scale

df = pd.DataFrame( dict( id=list('AAAAABBBBB'),
                loc = (10,20,10,20,10,20,10,20,10,20),
                value=(0,10,10,20,100,100,200,30,40,100)))

df['new'] = df.groupby(['id','loc']).value.transform(lambda x:minmax_scale(x.astype(float) ))

df['new'] = df.groupby(['id','loc']).value.transform(lambda x:robust_scale(x ))

第二个给我这样的错误：

ValueError:应为2D数组，而应为1D数组：数组=[0.10]。 100.]. 使用数组重塑数据。如果数据具有单个特征，则重塑（-1，1）或数组。如果数据包含单个特征，则重塑（1，-1） 单一样本

如果使用“重塑”，则会出现如下错误：

例外：数据必须是一维的

如果我打印出分组的数据，

g['value']

就是一个系列

for n, g in df.groupby(['id','loc']):
    print(type(g['value']))

你知道是什么引起的吗

---

谢谢。

根据警告代码，您应该添加

重塑

和

串联

df.groupby(['id','loc']).value.transform(lambda x:np.concatenate(robust_scale(x.values.reshape(-1,1))))
Out[606]: 
0   -0.2
1   -1.0
2    0.0
3    1.0
4    1.8
5    0.0
6    1.0
7   -2.0
8   -1.0
9    0.0
Name: value, dtype: float64

---

对我来说很好。您使用的是哪个版本的pd，np？我使用的是Python3.4。为什么需要使用concatenate？我想也许我对底层的numpy理解得不太好。@newleaf这个输出是数组，如果你不做concat if将输出对象，