Python 大熊猫群居不好
有没有办法强制pandas.groupby返回数据帧?下面是一个例子来说明我的问题: 玩具数据框:Python 大熊猫群居不好,python,pandas,Python,Pandas,有没有办法强制pandas.groupby返回数据帧?下面是一个例子来说明我的问题: 玩具数据框: df = pd.DataFrame(data=dict(a=[1, 1, 1, 2, 2, 2, 3, 3, 3], b=[1, 1, 1, 2, 2, 2, 4, 4, 4]) 此函数按预期返回数据帧: def fcn_good(d): return pd.Series(data=dict(mean=d.b.mean(), st
df = pd.DataFrame(data=dict(a=[1, 1, 1, 2, 2, 2, 3, 3, 3],
b=[1, 1, 1, 2, 2, 2, 4, 4, 4])
此函数按预期返回数据帧:
def fcn_good(d):
return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_good))
有输出
mean std
a
1 1.0 0.0
2 2.0 0.0
3 4.0 0.0
现在问题来了。在我的实际代码中,一些groupby键在计算过程中会失败。我想要的输出是:
mean std
a
1 1.0 0.0
2 NaN NaN
3 4.0 0.0
但是,此代码
def fcn_bad(d):
if int(d.a.unique()[0]) == 2: # Simulate failure
return pd.Series()
return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_bad))
而是返回一个序列:
a
1 mean 1.0
std 0.0
3 mean 4.0
std 0.0
dtype: float64
有人知道如何让它工作吗 您可以使用列a
的值和,因为是按列a
:
def fcn_bad(d):
if int(d.a.unique()[0]) == 2: # Simulate failure
return pd.Series()
return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_bad).unstack().reindex(df.a.unique()))
mean std
a
1 1.0 0.0
2 NaN NaN
3 4.0 0.0
如果将列名称为final
df
的index
添加到Series
中,如pd.Series(index=['mean','std'])
,则返回DataFrame
:
def fcn_bad(d):
if int(d.a.unique()[0]) == 2: # Simulate failure
return pd.Series(index=['mean','std'])
return pd.Series(data=dict(mean=d.b.mean(), std=d.b.std()))
print(df.groupby('a').apply(fcn_bad))
mean std
a
1 1.0 0.0
2 NaN NaN
3 4.0 0.0