Question

我有一个数据框df，其中包含以下列：

id                  int64
quarter    datetime64[ns]
decile              int64
dtype: object

当我运行分组方式时，

df.groupby(['id', 'quarter'])

我收到以下错误：

TypeError: only integer scalar arrays can be converted to a scalar index

我认为正确的问题是：dtypes的输出没有告诉我，以便实际上我可以将int和datetime用作索引？

versions:
pandas: 0.25.1
python: sys.version_info(major=3, minor=7, micro=3, releaselevel='final', serial=0)

有关该错误的其他观察结果：如果我避免事先重命名列，该错误就会消失。当我运行dtypes方法时，确认重命名成功。

最后，这是groupby并重命名后出现的同一错误的另一个示例（在此示例中，重命名很愚蠢，但是当我在聚合中包含date时是必需的；我仅显示产生错误所需的最低代码）

# resample to quarterly
quart = df.groupby(
[pd.Grouper(key='id'),
 pd.Grouper(key='date', freq='Q')]).agg({'call_qty':'sum'})

quart.columns = [['call_qty']]  # << toggle this renaming code to trigger the error

F = quart['call_qty'].isna()

产生错误：

TypeError: only integer scalar arrays can be converted to a scalar index

感谢任何可能对此有所了解的人。

Answer 1

我试图重现您的错误，但没有成功。

我创建为的源DataFrame：

   id    quarter  decile
0   1 2019-01-01       5
1   1 2019-01-01       6
2   2 2019-04-01       1
3   2 2019-04-01       2
4   2 2019-07-01       3
5   2 2019-07-01       4

（具有您所描述的 dtype ）。

我尝试将单独分组，就像您在评论中声明的那样：

gr = df.groupby(['id', 'quarter'])

和没有错误。

为了测试结果，我计算了每组的平均值：

gr.mean()

获取：

               decile
id quarter           
1  2019-01-01     5.5
2  2019-04-01     1.5
   2019-07-01     3.5

作为另一项测试，我打印了每组的内容：

for key, grp in gr:
    print(f'\nGroup: {key}\n{grp}')

获取：

Group: (1, Timestamp('2019-01-01 00:00:00'))
   id    quarter  decile
0   1 2019-01-01       5
1   1 2019-01-01       6

Group: (2, Timestamp('2019-04-01 00:00:00'))
   id    quarter  decile
2   2 2019-04-01       1
3   2 2019-04-01       2

Group: (2, Timestamp('2019-07-01 00:00:00'))
   id    quarter  decile
4   2 2019-07-01       3
5   2 2019-07-01       4

因此，如您所见，使用“正常”（如上所示）源数据不会发生错误。

也许您有 Python 或 Pandas 的某些旧版本？升级到当前版本并重复测试。

groupby麻烦转换为标量索引

1 个答案: