Question

我有一个带有timedeltas列的DataFrame（实际上在检查时dtype是timedelta64[ns]或<m8[ns]），我想做一个split-combine-apply，但是timedelta列被删除：

import pandas as pd

import numpy as np

pd.__version__
Out[3]: '0.13.0rc1'

np.__version__
Out[4]: '1.8.0'

data = pd.DataFrame(np.random.rand(10, 3), columns=['f1', 'f2', 'td'])

data['td'] *= 10000000

data['td'] = pd.Series(data['td'], dtype='<m8[ns]')

data
Out[8]: 
         f1        f2              td
0  0.990140  0.948313 00:00:00.003066
1  0.277125  0.993549 00:00:00.001443
2  0.016427  0.581129 00:00:00.009257
3  0.048662  0.512215 00:00:00.000702
4  0.846301  0.179160 00:00:00.000396
5  0.568323  0.419887 00:00:00.000266
6  0.328182  0.919897 00:00:00.006138
7  0.292882  0.213219 00:00:00.008876
8  0.623332  0.003409 00:00:00.000322
9  0.650436  0.844180 00:00:00.006873

[10 rows x 3 columns]

data.groupby(data.index < 5).mean()
Out[9]: 
             f1        f2
False  0.492631  0.480118
True   0.435731  0.642873

[2 rows x 2 columns]

或者，强制pandas在'td'列上尝试操作：

data.groupby(data.index < 5)['td'].mean()
---------------------------------------------------------------------------
DataError                                 Traceback (most recent call last)
<ipython-input-12-88cc94e534b7> in <module>()
----> 1 data.groupby(data.index < 5)['td'].mean()

/path/to/lib/python3.3/site-packages/pandas-0.13.0rc1-py3.3-linux-x86_64.egg/pandas/core/groupby.py in mean(self)
    417         """
    418         try:
--> 419             return self._cython_agg_general('mean')
    420         except GroupByError:
    421             raise

/path/to/lib/python3.3/site-packages/pandas-0.13.0rc1-py3.3-linux-x86_64.egg/pandas/core/groupby.py in _cython_agg_general(self, how, numeric_only)
    669 
    670         if len(output) == 0:
--> 671             raise DataError('No numeric types to aggregate')
    672 
    673         return self._wrap_aggregated_output(output, names)

DataError: No numeric types to aggregate

但是，取列的平均值可以正常工作，因此应该可以进行数值运算：

data['td'].mean()
Out[11]: 
0   00:00:00.003734
dtype: timedelta64[ns]

显然，在进行组合之前，它很容易被强制浮动，但我想我也可以尝试理解我遇到的问题。

修改：请参阅https://github.com/pydata/pandas/issues/5724

Answer 1

原来这是一个大熊猫问题，这种行为needs to be implemented in groupby.py。

与此同时，请享受以浮动为单位的变通方法（以秒为单位）：

data['td'] = [10**-9 * float(td) for td in data['td']]

Answer 2

这对我有用：

data.groupby(data.index < 5)['td'].apply(lambda x: np.mean(x))

所以不要直接使用mean，median或者用lambda函数包装它。

不要问我为什么这样做。这并没有打破我通常使用熊猫的方式。所以我认为它比列表推导更加用户友好。 ;）

pandas timedelta列上的split-apply-combine

2 个答案: