Python 将数据更改为浮动后，数据透视表中没有要聚合的数值类型

我需要透视一个数据帧（dfM），它看起来像

Task Question Answer analystID
x    a        1      u
y    b        2      i
z    c        3      o

一开始我以为我的支点

 dfM = pd.pivot_table(dfM, index = ['Task', 'Question'], columns = 'analystID', 
                     values = ['Answer'])

正在获取该错误（没有要聚合的数字类型），因为答案列下的数字可能是字符串，所以我尝试了

dfM.apply(pd.to_numeric, errors='ignore')

但我最终还是犯了同样的错误

---

有什么方法可以修复此错误吗？

尝试将您的apply语句重新分配回dfM

dfM = dfM.apply(pd.to_numeric, errors='ignore')
dfM = pd.pivot_table(dfM, index = ['Task', 'Question'], columns = 'analystID', 
                     values = ['Answer'])

              Answer          
analystID          i    o    u
Task Question                 
x    a           NaN  NaN  1.0
y    b           2.0  NaN  NaN
z    c           NaN  3.0  NaN

---

我认为您需要将

Answer

列转换为

int

或

float

仅，然后将

[]

从

值中删除列中无
多索引的
参数：

dfM['Answer'] = dfM['Answer'].astype(int)
df = pd.pivot_table(dfM, index = ['Task', 'Question'], columns = 'analystID', 
                     values = 'Answer')
print (df)
analystID        i    o    u
Task Question               
x    a         NaN  NaN  1.0
y    b         2.0  NaN  NaN
z    c         NaN  3.0  NaN

如果第一个解决方案失败，则存在一些非数值。因此，需要使用参数
errors='concurve'
将非数字替换为
NaN
s

dfM['Answer'] = pd.to_numeric(dfM['Answer'], errors='coerce')
df = pd.pivot_table(dfM, index = ['Task', 'Question'], columns = 'analystID', 
                     values = 'Answer')
print (df)
analystID        i    o    u
Task Question               
x    a         NaN  NaN  1.0
y    b         2.0  NaN  NaN
z    c         NaN  3.0  NaN

一行解决方案，包括：

编辑：

如果使用参数
errors='ignore'
和一些非数值，仍然会得到错误：

print (dfM)
  Task Question Answer analystID
0    x        a      r         u <-first ansswer value was changed to `r`
1    y        b      2         i
2    z        c      3         o

dfM['Answer'] = pd.to_numeric(dfM['Answer'], errors='ignore')

打印（dfM）
任务问题答案分析
0 x a r u Try
dfM.pivot_表（index=['Task'，'Question']，columns='analystID'，values='Answer'，aggfunc='sum'）
-显式传递agg函数？嘿，这似乎可行，但由于某些原因，我的问题现在都乱了序，有可能的解释吗？是的，问题是索引和列的排序。pivot_表之后的列数是多少？因为如果没有太多的值，则在pivot_表之后可以使用
df=df.reindex（列=['o'，'i'，'u']）
，对于索引
df=df.reindex（索引=['x'，'z'，'y']，级别=0）
在pivot表之后有4列，这是预期的（示例没有显示整个数据集），我还注意到答案栏中的所有内容都是NaN
print (dfM)
  Task Question Answer analystID
0    x        a      r         u <-first ansswer value was changed to `r`
1    y        b      2         i
2    z        c      3         o

dfM['Answer'] = pd.to_numeric(dfM['Answer'], errors='ignore')