Python 熊猫“agg”要上市;AttributeError/ValueError:函数不减少;
通常,当我们使用pandas执行Python 熊猫“agg”要上市;AttributeError/ValueError:函数不减少;,python,pandas,group-by,pandas-groupby,Python,Pandas,Group By,Pandas Groupby,通常,当我们使用pandas执行groupby操作时,我们可能希望在多个系列中应用多个函数 似乎是执行这些分组和计算的自然方式 但是,groupby.agg和groupby.apply的实现方式似乎存在差异,因为我无法使用agg对列表进行分组。Tuple和set工作得很好,这对我来说意味着只能通过agg聚合到不可变类型。通过groupby.apply,我可以直接将一个系列聚合到一个列表中,而不会出现任何问题 下面是一个完整的例子。功能(1)、(2)、(3)成功完成。(4) 返回时带有#Value
groupby
操作时,我们可能希望在多个系列中应用多个函数
似乎是执行这些分组和计算的自然方式
但是,groupby.agg
和groupby.apply
的实现方式似乎存在差异,因为我无法使用agg
对列表进行分组。Tuple和set工作得很好,这对我来说意味着只能通过agg
聚合到不可变类型。通过groupby.apply
,我可以直接将一个系列聚合到一个列表中,而不会出现任何问题
下面是一个完整的例子。功能(1)、(2)、(3)成功完成。(4) 返回时带有#ValueError:函数不减少
import pandas as pd
df = pd.DataFrame([['Bob', '1/1/18', 'AType', 'blah', 'test', 'test2'],
['Bob', '1/1/18', 'AType', 'blah2', 'test', 'test3'],
['Bob', '1/1/18', 'BType', 'blah', 'test', 'test2']],
columns=['NAME', 'DATE', 'TYPE', 'VALUE A', 'VALUE B', 'VALUE C'])
def grouper(df, func):
f = {'VALUE A': lambda x: func(x), 'VALUE B': 'last', 'VALUE C': 'last'}
return df.groupby(['NAME', 'DATE', 'TYPE'])['VALUE A', 'VALUE B', 'VALUE C']\
.agg(f).reset_index()
# (1) SUCCESS
grouper(df, set)
# (2) SUCCESS
grouper(df, tuple)
# (3) SUCCESS
df.groupby(['NAME', 'DATE', 'TYPE', 'VALUE B', 'VALUE C'])['VALUE A']\
.apply(list).reset_index()
# (4) FAIL
grouper(df, list)
# AttributeError
# ValueError: Function does not reduce
经过大量调查,我发现这是一个错误,将在未来的熊猫版本中修复 在中,注意
是instance(res,list)
:
,isinstance(res,list)
省略:
def _aggregate_series_pure_python(self, obj, func):
group_index, _, ngroups = self.group_info
counts = np.zeros(ngroups, dtype=int)
result = None
splitter = get_splitter(obj, group_index, ngroups, axis=self.axis)
for label, group in splitter:
res = func(group)
if result is None:
if (isinstance(res, (Series, Index, np.ndarray))):
raise ValueError('Function does not reduce')
result = np.empty(ngroups, dtype='O')
counts[label] = group.shape[0]
result[label] = res
result = lib.maybe_convert_objects(result, try_float=0)
return result, counts
这是存在的问题,您可以尝试agg(列表)将返回相同的,使用元组代替列表:-)。石斑鱼(df,tuple)@Wen,澄清一下,这是(a)一个bug,(b)还没有实现,(c)故意治疗吗?当列表中的东西变得混乱时,原因[1,2,3]将被视为一个系列。我明白了,但你也可以将一个tuple分配给一个系列,例如
df['col']=(1,2,3)
。相关:
def _aggregate_series_pure_python(self, obj, func):
group_index, _, ngroups = self.group_info
counts = np.zeros(ngroups, dtype=int)
result = None
splitter = get_splitter(obj, group_index, ngroups, axis=self.axis)
for label, group in splitter:
res = func(group)
if result is None:
if (isinstance(res, (Series, Index, np.ndarray))):
raise ValueError('Function does not reduce')
result = np.empty(ngroups, dtype='O')
counts[label] = group.shape[0]
result[label] = res
result = lib.maybe_convert_objects(result, try_float=0)
return result, counts