Python Pandas groupby（）和agg（）忽略错误

更新完整性：

import pandas as pd

dates = pd.to_datetime(['2017-10-01','2017-10-02','2017-10-03']).tolist()

df = pd.DataFrame({ 
            'day_of_week':['m','t','w'],
            'alpha':[1,2,3],
            'bravo'[4,5,6],
            'charlie':[7,8,9],
            'dates':dates
            })

agg_dik = {'alpha': sum,
           'bravo': sum,
           'charlie': max,
           'dates': sum}

df = df.groupby('day_of_week').agg(agg_dik).reset_index(drop = True)

这会在日期时间的总和上抛出一个错误。因此，如果dataframe确实有五列，我可以避免这种情况，但我有数百列的dataframe，并且经常构建聚合字典理解，如：

agg_dik = { c : max if 'e' in c else sum for c in cols }

但是，当

groupby（）.agg（）

遇到不允许求和的序列时，它会出错

那么我的问题是——有没有办法实现我想要的结果，但让熊猫要么删除出错列，要么替换为NaN并继续？

---

我看了其他几个问题（如），但它们并没有完全回答我的问题。

目前有两个问题：

您的函数字典可能包含不在您正在使用的数据框中的列。在这种情况下，您只需要获取其键与dataframe中的列匹配的元素

某些函数抛出需要捕获的错误/异常。否则，代码的列表行将无法工作

以下是处理这两种情况的解决方案：

import pandas as pd
import numpy as np

dates = pd.to_datetime(['2017-10-01','2017-10-02','2017-10-03'])

df = pd.DataFrame({ 
            'day_of_week': ['m','t','w'],
            'alpha': [1,2,3],
            'bravo': [4,5,6],
            'charlie': [7,8,9],
            'dates':dates
            })

def sum_(x):
    try:
        return np.sum(x)
    except:
        return np.nan

def max_(x):
    try:
        return np.max(x)
    except:
        return np.nan

agg_dik = {'alpha': sum_,
           'bravo': sum_,
           'charlie': max_,
           'delta': max_}

df = df.groupby('day_of_week').agg({k:v for k,v in agg_dik.items() if k in df}).reset_index(drop = True)

---

我希望这会有所帮助。

目前有两个问题：

您的函数字典可能包含不在您正在使用的数据框中的列。在这种情况下，您只需要获取其键与dataframe中的列匹配的元素

某些函数抛出需要捕获的错误/异常。否则，代码的列表行将无法工作

以下是处理这两种情况的解决方案：

import pandas as pd
import numpy as np

dates = pd.to_datetime(['2017-10-01','2017-10-02','2017-10-03'])

df = pd.DataFrame({ 
            'day_of_week': ['m','t','w'],
            'alpha': [1,2,3],
            'bravo': [4,5,6],
            'charlie': [7,8,9],
            'dates':dates
            })

def sum_(x):
    try:
        return np.sum(x)
    except:
        return np.nan

def max_(x):
    try:
        return np.max(x)
    except:
        return np.nan

agg_dik = {'alpha': sum_,
           'bravo': sum_,
           'charlie': max_,
           'delta': max_}

df = df.groupby('day_of_week').agg({k:v for k,v in agg_dik.items() if k in df}).reset_index(drop = True)

---

我希望这能有所帮助。

鉴于您没有告诉我们为什么和如何使用

sum

和

mean

函数失败，您最好的选择是编写自定义的

sum

和

mean

函数，这些函数使用

try except

语句来捕获产生错误的情况。@Abdou-我已将问题缩小到

datetimes

的

sum

。但我认为问题仍然存在。除了在一个函数（表面上是一个循环）内进行尝试之外，是否会首先破坏使用

.agg（）

函数的目的？您不是在循环。类似于

def sum_ux的东西：try:return sum（x）除了：return np.nan

是我想的吗？好的。如果你想给出一个完整的答案，我会尝试一下，如果它有效，我会接受。考虑到你没有告诉我们为什么和如何使用

sum

和

mean

函数失败，您最好的选择是编写自定义的

sum

和

mean

函数，这些函数使用

try except

语句来捕获产生错误的情况。@Abdou-我已将问题缩小到

datetimes

的

sum

。但我认为问题仍然存在。除了在一个函数（表面上是一个循环）内进行尝试之外，是否会首先破坏使用

.agg（）

函数的目的？您不是在循环。类似于

def sum_ux的东西：try:return sum（x）除了：return np.nan

是我想的吗？好的。如果你想给出一个完整的答案，我会尝试一下，如果它有效的话，我会接受的。谢谢你的答案-

日期

-->

增量

只是一个输入错误。但是如果我做了这个修正，我仍然会在charlie上看到NaN，这是我没有预料到的。

dates

列确实返回了

NaN

，这很好。修复方法是在

np.max（）

行中添加一个

x

，并通过将

max

更改为

sum

对

日期进行测试。很好，谢谢！感谢您捕获丢失的
x
。我很高兴这有帮助。谢谢你的回答，
dates
-->
delta
只是一个输入错误。但是如果我做了这个修正，我仍然会在charlie上看到NaN，这是我没有预料到的。
dates
列确实返回了
NaN
，这很好。修复方法是在
np.max（）
行中添加一个
x
，并通过将
max
更改为
sum
对
日期进行测试。很好，谢谢！感谢您捕获丢失的
x
。我很高兴这有帮助。