Question

我正在使用Python进行数据分析，而且我遇到了部分问题。 9（数据聚合和组操作）部分关于“使用函数分组”。

具体来说，如果我使用GroupBy对象方法或者例如Numpy定义的函数，一切正常。特别是，它忽略带有字符串的列，并且只对（适当的）数字列进行操作。但是，如果我尝试定义自己的函数来计算某些数字输出，它不会忽略带有字符串的列，并返回属性错误。

以下是我遇到问题的例子：

df = DataFrame({'data1':np.random.randn(5),
                'data2':np.random.randn(5),
                'key1':['a','a','b','b','a'],
                'key2':['one','two','one','two','one']})

如果我键入其中任何一个（我将numpy作为np导入），它可以正常工作：

df.groupby('key1').mean()

或

grouped = df.groupby('key1')

grouped.agg(np.mean())

但如果我尝试这些，我会收到错误（'peak_to_peak'来自书中）：

def peak_to_peak(arr):
    return arr.max() - arr.min()

grouped.agg(peak_to_peak)

grouped.agg(lambda x: np.mean(x))

尝试'peak_to_peak'会给我一个很长的错误，以下结尾：

TypeError: unsupported operand type(s) for -: 'str' and 'str'

使用np.mean（）尝试lambda函数会给我一个很长的错误，结尾于：

TypeError: Could not convert onetwoone to numeric

尝试其他用户定义的函数会产生类似的错误。在所有这些情况下，很明显尝试将peak_to_peak（）或np.mean（）（或其他）应用于df的'key2'列的（子集），而对于内置方法和预定义函数，它（正确地）忽略'key2'列子集。

任何见解都将不胜感激。

更新：事实证明，如果我将'peak_to_peak'或lambda函数作为列表传递（例如，grouped.agg（[peak_to_peak]）），它就可以正常工作。请注意，这不是本书中的方式，也不是预定义函数所需的列表。所以，它仍然令人困惑，但我认为至少它是有用的。

pandas groupby agg function column / dtype error

0 个答案: