Question

假设我有一个包含两列布尔值的pandas数据框。我想沿着列采取产品，所以：

df.product(axis=1)

这将返回产品，但数据类型始终为int64。看看熊猫来源，看起来像_make_stat_function（产品似乎正在调用的产品）可以使用dtype kwarg。

是这样的吗？
这项工作需要什么？我已经尝试将dtype指定为字符串，python类型和numpy数据类型。一切都没有喜悦。

链接

Pandas docos：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.product.html

来源：

产品从此处发货：https://github.com/pydata/pandas/blob/master/pandas/core/generic.py#L5062

到这里：https://github.com/pydata/pandas/blob/master/pandas/core/generic.py#L5246

Answer 1

https://github.com/pydata/pandas/commit/3d2f11594ab546874aad07ccf08b4193ad4a12db

这个_validate_kwargs功能是新的，非常新的（8天）。它位于主存储库中，但它可能不在任何人的发行版中。

BUG：防止在统计函数中滥用kwargs 通过过滤stat中的kwargs参数来解决问题＃12301 在...时阻止明显无效的参数通过的功能同时保持与类似numpy的兼容性功能

所以它被添加，以防止人们使用明显虚假，非像kwargs这样的非笨拙。但我不明白为什么他们不能只使用：

_validate_kwargs(name, kwargs)

阻止所有kwargs，因为它们未在此函数中使用（或generic.py中的任何其他函数）。

================================

您链接的_make_stat_function有一个：

_validate_kwargs(name, kwargs, 'out', 'dtype')

语句。但我没有在返回的函数中看到kwargs的任何进一步使用。我不熟悉pandas代码，但看起来validate调用以某种方式测试这些prod的{{1}}函数。

我稍早的kwargs版本没有此pandas声明。它接受validate参数，但对它没有任何作用。它也接受一个dtype kwarg参数，具有相同的非效果。

我建议深入研究test个问题并提取请求，以了解添加此pandas来电的时间和原因。在这种情况下，它似乎没有做任何重要的事情。

validate位于同一个_validate_kwargs文件中。这里所做的只是检查generic.py除了'out'和kwargs之外不包含任何内容。 'name'仅用于错误消息中。因此，如果您为其他dtype提供其他product，则此测试kwargs会引发错误，但如果您给它dtype或out，则可以。但这并不能保证它会使用它们。

Answer 2

至于您的具体问题，将布尔值的乘积转换为int s与检查所有布尔值是否为True相同。

只需：df.all(axis=1)

在更具体的产品案例中，documentation不包含任何dtype操作。

但是，如果您绝对关心dtype保护，您可以执行以下操作（前提是您的数据已明确定义，即浮点数/整数等），这会将生成的dtype从product转换为您的初始dtype。

>>> import pandas as pd
>>> df = pd.DataFrame({'a': [0.1, 0.2, 0.6], 'b': [2, 3, 4]})
>>> df.dtypes
a    float64
b      int64
dtype: object
>>> prod = df.product()
>>> prod
a     0.012
b    24.000
dtype: float64

>>> prod.astype(df.dtypes)
a    0.012
b       24
dtype: object

熊猫产品dtype

链接

2 个答案: