Python groupby的不正确行为，带有“；datetime64[ns，UTC]"；熊猫1.0.1中的抽样？

我试图按列对数据帧进行分组

f493

，以便在列“f496”中采样值，这就是我得到的结果

>>> df
       f493                       f496
0  344448.0  2016-11-21 14:26:56+00:00
1  372673.5  2016-08-17 18:15:54+00:00
2  372673.5  2016-08-17 18:15:54+00:00
>>> df["f493"]
0    344448.0
1    372673.5
2    372673.5
Name: f493, dtype: float64
>>> df["f496"]
0    2016-11-21 14:26:56+00:00
1    2016-08-17 18:15:54+00:00
2    2016-08-17 18:15:54+00:00
Name: f496, dtype: object
>>> df = df.groupby("f493").aggregate({"f496": lambda x: x.sample(1)})
>>> df["f496"]
f493
344448.0    2016-11-21 14:26:56+00:00
372673.5    2016-08-17 18:15:54+00:00
Name: f496, dtype: object

为什么列

f493

现在包含列

f493

的值

我期待结果

       f493                       f496
0  344448.0  2016-11-21 14:26:56+00:00
1  372673.5  2016-08-17 18:15:54+00:00

e、 g只需在列

f496

中采样值

编辑：实际问题从这里开始…

如果将列“f496”转换为datetime类型，则会出现更多错误行为

 df = df.astype({"f493":"float64", "f496":"datetime64[ns, UTC]"})

输出完全是一团糟

>>> df["f496"]
f493
344448.0                            2016-11-21 14:26:56+00:00
372673.5    1   2016-08-17 18:15:54+00:00
Name: f496, dtyp...
Name: f496, dtype: object

我不知道发生了什么事

>>> pd.__version__
'1.0.1'

逗号分隔测向源

f493,f496
344448.0,2016-11-21 14:26:56+00:00
372673.5,2016-08-17 18:15:54+00:00
372673.5,2016-08-17 18:15:54+00:00

编辑：

---

问题是返回的是一个项目

系列

，而不是标量

解决方案是通过以下方式将

系列

转换为标量：

顺便说一句，pandas 1.0.1中似乎存在缺陷，因为在pandas 0.23.1中，两种解决方案都能完美工作：

df['f496'] = pd.to_datetime(df['f496'])
df = df.groupby("f493").agg({"f496": lambda x: x.sample(1)}).reset_index()
print (df)
       f493                      f496
0  344448.0 2016-11-21 14:26:56+00:00
1  372673.5 2016-08-17 18:15:54+00:00

---

我想你需要

df=df.groupby（“f493”）.aggregate（{“f496”：lambda x:x.sample（1）}）.reset_index（）

，对吧？因为

df=df.groupby（“f493”）.aggregate（{“f496”：lambda x:x.sample（1）}）的输出是
系列
@jezrael好的，你能尝试设置日期时间格式吗？在这种情况下，重置索引似乎没有帮助。也许我应该为它单独提一个问题，比如datetimes使用
df['f496']=pd.to_datetime（df['f496']）
OK，明白了，你能测试
df=df.groupby（“f493”）.agg（{“f496”：lambda x:x.sample（1）.iat[0]}）。重置索引（）
？
df['f496'] = pd.to_datetime(df['f496'])
df = df.groupby("f493").agg({"f496": lambda x: x.sample(1).iat[0]}).reset_index()
print (df)
       f493                      f496
0  344448.0 2016-11-21 14:26:56+00:00
1  372673.5 2016-08-17 18:15:54+00:00

df['f496'] = pd.to_datetime(df['f496'])
df = df.groupby("f493").agg({"f496": lambda x: x.sample(1)}).reset_index()
print (df)
       f493                      f496
0  344448.0 2016-11-21 14:26:56+00:00
1  372673.5 2016-08-17 18:15:54+00:00