Python 熊猫透视表aggfunc故障排除

此

DataFrame

有两列，都是对象类型

  Dependents Married
0          0      No
1          1     Yes
2          0     Yes
3          0     Yes
4          0      No

我想根据“已婚”汇总“受抚养人”

table = df.pivot_table(
        values='Dependents',
        index='Married',
        aggfunc = lambda x: x.map({'0':0,'1':1,'2':2,'3':3}).mean())

然而，令人惊讶的是，这是可行的，但以下情况却不可行：

table = df.pivot_table(values = 'Dependents', 
        index = 'Married', 
        aggfunc = lambda x: x.map(int).mean())

它将生成一个

None

---

有人能帮忙解释一下吗？

问题中提供的两个代码示例都很有用。然而，它们并不是实现你想要做的事情的惯用方法——尤其是第一种

我认为这是获得预期行为的正确方法

# Test data
df = DataFrame({'Dependents': ['0', '1', '0', '0', '0'],
                'Married': ['No', 'Yes', 'Yes', 'Yes', 'No']})

# Converting object to int
df['Dependents'] = df['Dependents'].astype(int)
# Computing the mean by group
df.groupby('Married').mean()

         Dependents
Married            
No             0.00
Yes            0.33

但是，下面的代码可以工作

df.pivot_table(values = 'Dependents', index = 'Married', 
               aggfunc = lambda x: x.map(int).mean())

它与在数据透视之前使用

map

转换为

int

等效（且可读性更高）

df['Dependents'] = df['Dependents'].map(int)
df.pivot_table(values = 'Dependents', index = 'Married')

编辑 如果您有凌乱的

数据帧

，您可以使用

来对
错误
参数设置为
强制

如果
强制
，则无效解析将设置为
NaN

问题中提供的两个代码示例都很有用。然而，它们并不是实现你想要做的事情的惯用方法——尤其是第一种

我认为这是获得预期行为的正确方法

# Test data
df = DataFrame({'Dependents': ['0', '1', '0', '0', '0'],
                'Married': ['No', 'Yes', 'Yes', 'Yes', 'No']})

# Converting object to int
df['Dependents'] = df['Dependents'].astype(int)
# Computing the mean by group
df.groupby('Married').mean()

         Dependents
Married            
No             0.00
Yes            0.33

但是，下面的代码可以工作

df.pivot_table(values = 'Dependents', index = 'Married', 
               aggfunc = lambda x: x.map(int).mean())

它与在数据透视之前使用
map
转换为
int
等效（且可读性更高）

df['Dependents'] = df['Dependents'].map(int)
df.pivot_table(values = 'Dependents', index = 'Married')

编辑
如果您有凌乱的
数据帧
，您可以使用
来对
错误
参数设置为
强制

如果
强制
，则无效解析将设置为
NaN

我最初的问题是为什么使用map（int）的方法2不起作用。以上这些都不能回答我的问题。因此，没有最佳答案

然而，当我回头看时，我发现现在在pandas 0.22中，方法2确实有效。我想问题出在熊猫身上

为了可靠地进行聚合，我的解决方案是

df.pivot_table(
        values='Dependents',
        index='Married',
        aggfunc = lambda x: x.map(lambda x:int(x.strip("+"))).mean())

为了使它更简洁，我想您可以首先将列“Dependents”转换为整数，然后进行聚合
 我最初的问题是为什么使用map（int）的方法2不起作用。以上这些都不能回答我的问题。因此，没有最佳答案

然而，当我回头看时，我发现现在在pandas 0.22中，方法2确实有效。我想问题出在熊猫身上

为了可靠地进行聚合，我的解决方案是

df.pivot_table(
        values='Dependents',
        index='Married',
        aggfunc = lambda x: x.map(lambda x:int(x.strip("+"))).mean())

为了使它更简洁，我想您可以首先将列“Dependents”转换为整数，然后进行聚合
 看起来第二组中的lambda缺少一组括号。另外，为什么不直接使用aggfunc=int？在导入或预处理时不将整个内容转换为整数有什么原因吗
df=pd.read\u csv（'bleh.csv'）。assign（Dependents=lambda d:d.Dependents.astype（“int”）
或类似方法？@Sohier-Dane。我不认为lambda函数中遗漏了（）。我试着把一个pd序列，如果str映射成int，然后得到它的平均值。我需要知道已婚家庭与单身家庭的平均抚养人数。对转换为int会更简单。但是数据不是干净的，“Dependents”列具有“3+”、“3+”和“NaN”等值，在转换之前需要进行一些预处理。事实上，现在我认为第一种方法似乎很麻烦，但它对于处理除“1”、“2”、“3”和“0”以外的意外值很健壮。@user2951327 FWIW，我认为如果数据脏了，在pivot的
aggfunc
中清理数据是最不简单的方法之一。为什么不先把它清理干净，然后再做枢轴呢？它更容易看到发生了什么，还允许您执行除旋转以外的其他操作。看起来您缺少了第二组lambda周围的一组括号。另外，为什么不直接使用aggfunc=int？在导入或预处理时不将整个内容转换为整数有什么原因吗
df=pd.read\u csv（'bleh.csv'）。assign（Dependents=lambda d:d.Dependents.astype（“int”）
或类似方法？@Sohier-Dane。我不认为lambda函数中遗漏了（）。我试着把一个pd序列，如果str映射成int，然后得到它的平均值。我需要知道已婚家庭与单身家庭的平均抚养人数。对转换为int会更简单。但是数据不是干净的，“Dependents”列具有“3+”、“3+”和“NaN”等值，在转换之前需要进行一些预处理。事实上，现在我认为第一种方法似乎很麻烦，但它对于处理除“1”、“2”、“3”和“0”以外的意外值很健壮。@user2951327 FWIW，我认为如果数据脏了，在pivot的
aggfunc
中清理数据是最不简单的方法之一。为什么不先把它清理干净，然后再做枢轴呢？它更容易看到正在发生的事情，还允许您执行旋转以外的其他操作。是的。我同意它更干净。但我不知道为什么它不起作用。也许还有其他原因。我可以关闭此IssueGraat，因此您可以检查答案。您的方法可能无法处理杂乱的数据，例如，使用df=DataFrame（{'Dependents'：['0'，'1'，'2'，'3+'，'NaN']，'marred'：['No'，'Yes'，'Yes'，'Yes'，'No']），astype（int）无法工作。若要将'3+'转换为NaN，这可能不是您想要的，'df=df.apply（lambda x:x.map（{'0'：0，'1'：1，'2'：2，'3'：3}）是混乱的，但可以接受。@FrankZhu感谢您的评论（以及否决票）。请发布您的最佳答案，如果它运行良好，我将很高兴投票支持。请参阅上面的我的答案@Romainyes。我同意它更干净。但我不知道为什么它不起作用。可能还有其他原因。我可以关闭此问题，因此您可以检查答案。您的方法可能无法处理凌乱的数据，例如，使用df=DataFrame({'Dependents'：['0'，'1'，'2'，'3+'，'NaN']，'marted'：['No'，'Yes'，'Yes'，'Yes'，'No']}），astype（int）不起作用。to_numeric会将'3+'翻译成NaN，这可能不是您想要的，'df'