Question

我在玩熊猫时遇到了一个奇怪的结果，我不知道为什么会这样。想知道它是不是一个bug。

cf = pd.DataFrame({'sc': ['b' , 'b', 'c' , 'd'], 'nn': [1, 2, 3, 4], 'mvl':[10, 20, 30, 40]})
df = cf.groupby('sc').mean()
df.loc['b', 'mvl']

结果为“15.0”。

cf1 = cf
cf1['sc'] = cf1['sc'].astype('category', categories=['b', 'c', 'd'], ordered = True)
df1 = cf1.groupby('sc').mean()
df1.loc['b','mvl']

这给出了一个系列：

sc

b    15.0
Name: mvl, dtype: float64

type(df1.loc['b','mvl']) - ＆gt; pandas.core.series.Series

type(df.loc['b','mvl']) - ＆gt; numpy.float64

为什么将变量声明为分类会将loc的输出从标量更改为系列？

我希望这不是一个愚蠢的问题。谢谢！

Answer 1

这可能是一只熊猫的错误。不同之处在于，当您对分类变量进行分组时，您会得到一个分类索引。没有任何groupby，你可以更简单地看到它：

nocat = pandas.Series(['a', 'b', 'c'])
cat = nocat.astype('category', categories=['a', 'b', 'c'], ordered=True)
xno = pandas.Series([8, 88, 888], index=nocat)
xcat = pandas.Series([8, 88, 888], index=cat)

>>> xno.loc['a']
8
>>> xcat.loc['a']
a    8
dtype: int64

docs注意到CategoricalIndex上的索引操作会保留分类索引。如果只得到一个结果，它们甚至可以做到这一点，这个结果并不完全与文档相矛盾，但似乎是不良行为。

a related pull request似乎可以解决此问题，但最近才合并。看起来修复应该在pandas 0.18.1中。

熊猫 - 类别变量和分组 - 这是一个错误吗？

1 个答案: