Skip to main content
 首页 » 编程设计

python之当 DataFrame 包含对象时,pandas groupby 数字函数将数字强制转换为对象

2024年11月01日10insus

我在具有混合类型(数字和对象)的 DataFrame 上使用 Pandas groupby 函数。

>>> import pandas as pd 
>>>  
>>> d = { 
...  "sales": { 
...   "0": 3963.0, 
...   "1": 2312.7, 
...  }, 
...  "Id": { 
...   "0": 10001, 
...   "1": 10003, 
...  }, 
...  "Blah": { 
...   "0": "Blah1", 
...   "1": "Blah2", 
...  } 
... } 
>>>  
>>> d=pd.DataFrame(d) 
>>>  
>>> print d.dtypes 
Blah      object 
Id         int64 
sales    float64 
dtype: object 

当我将一个数字函数应用于组时,例如 max() 或 mean(),我得到一个类型为 object 的 DataFrame 返回

>>> print d.groupby('Id').max()['sales'] 
Id 
10001    3963.0 
10003    2312.7 
Name: sales, dtype: object 

当我先只选择数字列,然后对组应用数字函数,例如 max() 或 mean(),我得到一个数字类型的 DataFrame

>>> print d[['sales','Id']].groupby('Id').max()['sales'] 
Id 
10001    3963.0 
10003    2312.7 
Name: sales, dtype: float64 

第二个结果是我所期望的 - 或者更确切地说,我不明白为什么将数值函数 max 或 mean 应用于非数值类型的数据框会将数值强制转换为对象。

例如,如果原始数据框中没有非数字对象类型,则不会以奇怪的方式强制转换类型:

>>> del d['Blah'] 
>>> d[['Id','sales']].groupby('Id').max()['sales'] 
Id 
10001    3963.0 
10003    2312.7 
Name: sales, dtype: float64 
>>> d.groupby('Id').max()['sales'] 
Id 
10001    3963.0 
10003    2312.7 
Name: sales, dtype: float64 
>>>  

编辑 - 这是我的版本信息:

Mac OS X 10.9 w/ Python 2.7.6 
Cython==0.19.2 
matplotlib==1.3.1 
numpy==1.8.0 
pandas==0.13.1 
scipy==0.13.0 

请您参考如下方法:

不记得这是什么时候修复的,但在 master/0.14(即将推出)中是正确的。

In [48]: d 
Out[48]:  
    Blah     Id   sales 
0  Blah1  10001  3963.0 
1  Blah2  10003  2312.7 
 
[2 rows x 3 columns] 
 
In [49]: d.dtypes 
Out[49]:  
Blah      object 
Id         int64 
sales    float64 
dtype: object 
 
In [50]: d.groupby('Id').max()['sales'] 
Out[50]:  
Id 
10001    3963.0 
10003    2312.7 
Name: sales, dtype: float64