Python 熊猫“agg”要上市；AttributeError/ValueError：函数不减少；

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

#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