我正在学习Python Pandas的不同方面,当我在binned数据上使用它时,我偶然发现了groupby-objects的中值函数的一些奇怪行为。
示例代码:
import pandas as pd
d = pd.DataFrame([1,2,5,6,9,3,6,5,9,7,11,36,4,7,8,25,8,24,23])
b = [0,5,10,15,20,25,30,35,40,45,50,55]
print d.groupby(pd.cut(d[0],b)).count()
print d.groupby(pd.cut(d[0],b)).mean()
print d.groupby(pd.cut(d[0],b)).median()
计数输出:
(0, 5] 6
(5, 10] 8
(10, 15] 1
(15, 20] 0
(20, 25] 3
(25, 30] 0
(30, 35] 0
(35, 40] 1
(40, 45] 0
(45, 50] 0
(50, 55] 0
平均值输出:
(0, 5] 3.333333
(5, 10] 7.500000
(10, 15] 11.000000
(15, 20] NaN
(20, 25] 24.000000
(25, 30] NaN
(30, 35] NaN
(35, 40] 36.000000
(40, 45] NaN
(45, 50] NaN
(50, 55] NaN
中位数输出:
(0, 5] 3.5
(5, 10] 7.5
(10, 15] 11.0
(15, 20] 18.0
(20, 25] 24.0
(25, 30] 30.5
(30, 35] 30.5
(35, 40] 36.0
(40, 45] 18.0
(45, 50] 18.0
(50, 55] 18.0
所有空箱都装满了数字18和30.5,这在这里没有任何意义。
当我在原始列表中更改了一个数字时,最后三个数字也随机变化,然后输出如下:
(0, 5] 3.500000e+00
(5, 10] 7.500000e+00
(10, 15] 1.100000e+01
(15, 20] 1.800000e+01
(20, 25] 2.450000e+01
(25, 30] 3.050000e+01
(30, 35] 3.050000e+01
(35, 40] 3.600000e+01
(40, 45] 3.814316e+228
(45, 50] 3.814316e+228
(50, 55] 3.814316e+228
更改列表中的另一个数字会给我输出最后的数字18。
这只是一个错误吗?
这种行为是否有正当理由?
我在这里做错或解释错误吗?
现在我需要使用均值函数的NaN输出来过滤掉空的中位数,但我认为中位数应该将空值与平均值相同。
答案 0 :(得分:1)
我很确定这是一个错误:
考虑:
gb = d.groupby(pd.cut(d[0],b))
gb.median()
但:
gb.get_group('(0, 5]').median()
0 3.5
dtype: float64
和
gb.get_group('(15, 20]').median()
KeyError Traceback (most recent call last) <ipython-input-314-e1f4657d9a2d> in <module>() ----> 1 gb.get_group('(15, 20]').median() /Users/me/anaconda/lib/python2.7/site-packages/pandas/core/groupby.pyc in get_group(self, name, obj) 585 inds = self._get_index(name) 586 if not len(inds): --> 587 raise KeyError(name) 588 589 return obj.take(inds, axis=self.axis, convert=False) KeyError: '(15, 20]'
当该组甚至不存在时,它会在median
对象上计算groupby
。
答案 1 :(得分:0)
我将此问题报告为错误,并将其添加到0.19.0里程碑: