我正在使用pandas，它可以非常有效地按照我需要的方式对数据进行排序/过滤。
此代码工作正常，直到我将最后一列更改为复数;现在我收到了一个错误。
返回self._cython_agg_general（'mean'）引发DataError（'无数字 要聚合的类型'）pandas.core.groupby.DataError：没有数字类型 聚合
错误是指我的第八列（带有复数），因为我想要平均值 我找不到将对象转换为复数的方法（据我所知，大熊猫现在支持复数）。
这是我使用的代码。
import numpy as np
import pandas as pd
df = pd.read_csv('final.dat', sep=",", header=None)
df.columns=['X.1', 'X.2', 'X.3', 'X.4','X.5', 'X.6', 'X.7', 'X.8']
df1 = df.groupby(["X.1","X.2","X.5"])["X.8"].mean().reset_index()
之后我得到上述错误。
当我读取我的文件时，这是df输出。
<class 'pandas.core.frame.DataFrame'>
Int64Index: 21266 entries, 0 to 21265
Data columns (total 8 columns):
X.1 21266 non-null values
X.2 21266 non-null values
X.3 21266 non-null values
X.4 21266 non-null values
X.5 21266 non-null values
X.6 21266 non-null values
X.7 21266 non-null values
X.8 21266 non-null values
dtypes: float64(4), int64(3), object(1)
这是input file的一小部分样本。
答案 0 :(得分：5)
解析不支持直接读取复合体，因此请执行以下转换。
In [37]: df['X.8'] = df['X.8'].str.replace('i','j').apply(lambda x: np.complex(x))
In [38]: df
Out[38]:
X.1 X.2 X.3 X.4 X.5 X.6 X.7 X.8
0 564991.15 7371277.89 0 1 1530 0.1 2 (92.289+151.96j)
1 564991.15 7371277.89 0 1 8250 0.1 2 (104.22-43.299j)
2 564991.15 7371277.89 0 1 20370 0.1 2 (78.76-113.52j)
3 564991.15 7371277.89 0 1 33030 0.1 2 (27.141-154.1j)
4 564991.15 7371277.89 0 1 47970 0.1 2 (-30.012-175j)
5 564991.15 7371277.89 0 1 63090 0.1 2 (-118.52-342.43j)
6 564991.15 7371277.89 0 1 93090 0.1 2 (-321.02-1541.5j)
7 564991.15 7371277.89 0 2 1530 0.1 2 (118.73+154.05j)
8 564991.15 7371277.89 0 2 8250 0.1 2 (122.13-45.571j)
9 564991.15 7371277.89 0 2 20370 0.1 2 (93.014-116.03j)
10 564991.15 7371277.89 0 2 33030 0.1 2 (38.56-155.08j)
11 564991.15 7371277.89 0 2 47970 0.1 2 (-20.653-173.83j)
12 564991.15 7371277.89 0 2 63090 0.1 2 (-118.41-340.58j)
13 564991.15 7371277.89 0 2 93090 0.1 2 (-378.71-1554j)
14 564990.35 7371279.17 0 1785 1530 0.1 2 (-15.441+118.3j)
15 564990.35 7371279.17 0 1785 8250 0.1 2 (-7.1735-76.487j)
16 564990.35 7371279.17 0 1785 20370 0.1 2 (-33.847-145.99j)
17 564990.35 7371279.17 0 1785 33030 0.1 2 (-86.035-185.46j)
18 564990.35 7371279.17 0 1785 47970 0.1 2 (-143.37-205.23j)
19 564990.35 7371279.17 0 1785 63090 0.1 2 (-234.67-370.43j)
20 564990.35 7371279.17 0 1785 93090 0.1 2 (-458.69-1561.4j)
21 564990.36 7371279.17 0 1786 1530 0.1 2 (36.129+128.4j)
22 564990.36 7371279.17 0 1786 8250 0.1 2 (39.406-69.607j)
23 564990.36 7371279.17 0 1786 20370 0.1 2 (10.495-139.48j)
24 564990.36 7371279.17 0 1786 33030 0.1 2 (-43.535-178.19j)
25 564990.36 7371279.17 0 1786 47970 0.1 2 (-102.28-196.76j)
26 564990.36 7371279.17 0 1786 63090 0.1 2 (-199.32-362.1j)
27 564990.36 7371279.17 0 1786 93090 0.1 2 (-458.09-1565.6j)
In [39]: df.dtypes
Out[39]:
X.1 float64
X.2 float64
X.3 float64
X.4 int64
X.5 int64
X.6 float64
X.7 int64
X.8 complex128
dtype: object
In [40]: df1 = df.groupby(["X.1","X.2","X.5"])["X.8"].mean().reset_index()
In [41]: df.groupby(["X.1","X.2","X.5"])["X.8"].mean().reset_index()
Out[41]:
X.1 X.2 X.5 X.8
0 564990.35 7371279.17 1530 (-15.441+118.3j)
1 564990.35 7371279.17 8250 (-7.1735-76.487j)
2 564990.35 7371279.17 20370 (-33.847-145.99j)
3 564990.35 7371279.17 33030 (-86.035-185.46j)
4 564990.35 7371279.17 47970 (-143.37-205.23j)
5 564990.35 7371279.17 63090 (-234.67-370.43j)
6 564990.35 7371279.17 93090 (-458.69-1561.4j)
7 564990.36 7371279.17 1530 (36.129+128.4j)
8 564990.36 7371279.17 8250 (39.406-69.607j)
9 564990.36 7371279.17 20370 (10.495-139.48j)
10 564990.36 7371279.17 33030 (-43.535-178.19j)
11 564990.36 7371279.17 47970 (-102.28-196.76j)
12 564990.36 7371279.17 63090 (-199.32-362.1j)
13 564990.36 7371279.17 93090 (-458.09-1565.6j)
14 564991.15 7371277.89 1530 (105.5095+153.005j)
15 564991.15 7371277.89 8250 (113.175-44.435j)
16 564991.15 7371277.89 20370 (85.887-114.775j)
17 564991.15 7371277.89 33030 (32.8505-154.59j)
18 564991.15 7371277.89 47970 (-25.3325-174.415j)
19 564991.15 7371277.89 63090 (-118.465-341.505j)
20 564991.15 7371277.89 93090 (-349.865-1547.75j)
答案 1 :(得分：3)
或者，当您读入数据时，可以通过传入该列的转换器将其直接解析为复数：
pd.read_csv('final.dat', header=None,
names=['X.1', 'X.2', 'X.3', 'X.4','X.5', 'X.6', 'X.7', 'X.8'],
converters={'X.8': lambda s: np.complex(s.replace('i', 'j'))})
答案 2 :(得分：0)
要转换所有列，请尝试pd.applymap(lambda s: np.complex(s.replace('i', 'j')))
答案 3 :(得分：0)
我尝试实现lambda，但出现错误：
ValueError：complex（）arg是格式错误的字符串
我发现我必须消除空格并将“ i”字符更改为“ j” 这是我的代码：
for tits in df.columns:
if df[tits].dtypes =='O':
df[tits] = df[tits].str.replace('i','j')
df[tits] = df[tits].str.replace(' ','')
df[tits] = df[tits].apply(lambda x: np.complex(x))
print(df[df.columns[1]])
print(df.dtypes)