Question

我有一个如下所示的数据框：

>>> df[['data','category']]
Out[47]: 
          data     category
  0       4610            2
 15       4610            2
 22       5307            7
 23       5307            7
 25       5307            7
...        ...          ...

数据和类别都是数字的，所以我可以这样做：

>>> df[['data','category']].mean()
Out[48]: 
data        5894.677985
category      13.805886
dtype: float64

我正试图获得每个类别的平均值。它看起来很直接，但当我这样做时：

>>> df[['data','category']].groupby('category').mean()

或

>>> df.groupby('category')['data'].mean()

它会返回如下错误：

DataError: No numeric types to aggregate

如果我用.count()替换上述两个函数，则没有错误。

我做错了什么？获得每个类别的平均值的正确方法是什么？

Answer 1

你能做一个df.dtypes吗？在下面的示例中，type为Int，因为它工作正常。

    import pandas as pd

    ##group by 1 columns
    df = pd.DataFrame({' data': [4610, 4611, 4612, 4613], 'Category': [2, 2,    7, 7]})
    print df.groupby('Category'). mean()


    ##Mutiple columns to group by
    df1 = pd.DataFrame({' data': [4610, 4611, 4612, 4613], 'Category': [2,    2, 7, 7], 'Category2' : ['A','B','A','B']})
    key=['Category','Category2']
    print df1.groupby( key).mean()

 Category Category2       
 2        A           4610
          B           4611
 7        A           4612
          B           4613

Answer 2

如上所述，您没有提供testTime和passing_site数据的示例，但我猜测它们是浮动费率数字。我确信你可以想象，你不能对浮动数字进行分组。相反，您需要对某些类型的整数或类别进行分组。

尝试类似：

df.groupby(['data', 'category'])['passing_site', 'testTime'].mean()

您正在对数据＆＃39;进行分组。和＆＃39;类别＆＃39;，然后计算数字列的平均值[pass_site＆＃39;和＆＃39; testTime＆＃39;。

熊猫：使用groupby获取每个数据类别的均值

2 个答案: