“Python for Data Analysis”教程代码运行不可预测 - 美国宝贝名称比例

Question

我正在研究Wes McKinney的 Python for Data Analysis 。虽然我在Python 3中工作并且本书是用Python 2编写的，但这通常不是问题，如果有什么好的练习。

然而，我在第2章，第3章：美国婴儿名称1880 - 2010（第34页）上陷入了僵局。以下代码的目的是插入一个标题为“prop”的列，其中包含每年给出一个名称的婴儿部分和性别到数据框中：

def add_prop(group):
    births = group.births.astype(float)
    group['prop']=births/births.sum()
    return group

names=names.groupby(['year','sex']).apply(add_prop)

'names'是一个包含五列的数据框（'name'，'sex'，'births'，'year'，这会增加'prop'）和大约170万行。为了测试是否正确添加了prop，您可以测试比例与np.allclose(names.groupby(['year','sex']).prop.sum(), 1)的总和大约为1。

我的问题是该功能运行不可预测。也许每15或20次运行一次，np.allclose将成立，并且该函数将正确应用于数据帧。否则np.allclose为false。另外，它在不同方面是错误的。之后，您使用此数据框来绘制按性别分列的前1000名中出生比例，并且该图表的形状会不断变化。 Some examples of graph change: 我知道问题在于如何计算和添加比例，因为数据帧的其余部分没有变化。

什么在这个例子中引入了不可预测性？虽然我怀疑它是.apply（）命令，但我不确定并且不知道如何测试我的假设。有人建议我不推荐使用代码块的一部分，但Jupyter Notebook没有提出警告，我也无法在网上找到任何内容。我已经两遍了我的代码，总的来说它几乎与书的相同，并且在这个块的情况下是相同的。提前谢谢。

Answer 1

我认为问题在于为prop使用float数据类型。在需要准确性的地方，浮子很糟糕。这就是为什么在书中，他说道具的总和应该加1或者＃34;足够接近（但可能不完全等于）1＆＃34;

我自己是python的新手，所以我不知道最好的解决方案。在数据库中，我避免使用浮点数并使用十进制数据类型。无论如何，如果我们要找到超过一百万条记录中每一条的比例，那么维持任何单一的准确性都很难。