Question

从此question开始，我将其作为背景链接，但问题是独立的。

4个问题：

我无法理解使用apply或transform时看到的错误： “get_concat_dtype中的dtype确定无效”
为什么ClipNetMean可以工作，但其他两种方法没有？
不确定是否或为何我需要 .copy（deep = True）
为什么调用InnerFoo函数需要稍微不同的语法

DataFrame：

              cost
section item      
11      1       25
        2      100
        3       77
        4       10
12      5       50
        1       39
        2        7
        3       32
13      4       19
        1       21
        2       27

代码：

import pandas as pd
import numpy as np

df = pd.DataFrame(data = {'section' : [11,11,11,11,12,12,12,12,13,13,13]
                   ,'item' : [1,2,3,4,5,1,2,3,4,1,2]
                   ,'cost' : [25.,100.,77.,10.,50.,39.,7.,32.,19.,21.,27.]
              })
df.set_index(['section','item'],inplace=True)

upper =50
lower = 10

def ClipAndNetMean(cost,upper,lower):
    avg = cost.mean()
    new_cost = (cost- avg).clip(lower,upper)
    return new_cost

def MiniMean(cost,upper,lower):
    cost_clone = cost.copy(deep=True)
    cost_clone['A'] = lower
    cost_clone['B'] = upper
    v  = cost_clone.apply(np.mean,axis=1)
    return v.to_frame()

def InnerFoo(lower,upper):
    def inner(group):
        group_clone = group.copy(deep=True)
        group_clone['lwr'] = lower
        group_clone['upr'] = upper
        v  = group_clone.apply(np.mean,axis=1)
        return v.to_frame()
    return inner

#These 2 work fine.
print df.groupby(level = 'section').apply(ClipAndNetMean,lower,upper)
print df.groupby(level = 'section').transform(ClipAndNetMean,lower,upper)

#apply works but not transform
print df.groupby(level = 'section').apply(MiniMean,lower,upper)
print df.groupby(level = 'section').transform(MiniMean,lower,upper)

#apply works but not transform    
print df.groupby(level = 'section').apply(InnerFoo(lower,upper))
print df.groupby(level = 'section').transform(InnerFoo(lower,upper))

exit()

所以对Chris的回答，请注意，如果我添加回列标题，方法将在Transform调用中工作。

请参阅 v.columns = ['cost']

def MiniMean(cost,upper,lower):
    cost_clone = cost.copy(deep=True)
    cost_clone['A'] = lower
    cost_clone['B'] = upper
    v  = cost_clone.apply(np.mean,axis=1)
    v = v.to_frame()
    v.columns = ['cost']
    return v

def InnerFoo(lower,upper):
    def inner(group):
        group_clone = group.copy(deep=True)
        group_clone['lwr'] = lower
        group_clone['upr'] = upper
        v  = group_clone.apply(np.mean,axis=1)
        v = v.to_frame()
        v.columns = ['cost']
        return v
    return inner

Answer 1

1＆amp; 2）transform期望“喜欢索引”，而apply则是灵活的。这两个失败的函数正在添加其他列。

3）在某些情况下，（例如，如果您将整个DataFrame传递给函数），可能需要复制以避免改变原始函数。这里没有必要。

4）前两个函数使用带有两个参数的DataFrame并返回数据。 InnerFoo实际上返回另一个函数，因此需要在传递给apply之前调用它。

Pandas Apply（），Transform（）ERROR = get_concat_dtype中无效的dtype确定

1 个答案: