pandas groupby agg 函数列/dtype 错误

Question

我正在使用 Python 进行数据分析，并且我在第 1 章的部分内容上遇到了问题。 9（数据聚合和分组操作）“使用函数分组”部分。

具体来说，如果我使用 GroupBy 对象方法或 Numpy 定义的函数，一切都会正常工作。特别是，它忽略带有字符串的列，并且仅对（适当的）数字列进行操作。但是，如果我尝试定义自己的函数来计算一些数字输出，它不会忽略带有字符串的列，并且会返回属性错误。

这是我遇到问题的示例：

df = DataFrame({'data1':np.random.randn(5),
                'data2':np.random.randn(5),
                'key1':['a','a','b','b','a'],
                'key2':['one','two','one','two','one']})

如果我输入其中任何一个，它都可以正常工作（我已将 numpy 导入为 np）：

df.groupby('key1').mean()

或

grouped = df.groupby('key1')

grouped.agg(np.mean())

但是如果我尝试这些，我会收到错误（“peak_to_peak”来自书中）：

def peak_to_peak(arr):
    return arr.max() - arr.min()

grouped.agg(peak_to_peak)

grouped.agg(lambda x: np.mean(x))

尝试“peak_to_peak”给了我一个又大又长的错误，其结尾为：

TypeError: unsupported operand type(s) for -: 'str' and 'str'

尝试使用 np.mean() 的 lambda 函数给我一个很大的长错误，其结尾为：

TypeError: Could not convert onetwoone to numeric

尝试其他用户定义的函数会产生类似的错误。在所有这些情况下，很明显尝试将peak_to_peak()或np.mean()（或其他）应用于df中的“key2”列（的子集），而对于内置方法和预定义函数，它（正确地）忽略“key2”列子集。

任何见解将不胜感激。

更新：事实证明，如果我将“peak_to_peak”或 lambda 函数作为列表传递（例如，grouped.agg([peak_to_peak])），它工作得很好。请注意，这不是本书中的呈现方式，预定义函数也不需要列表。所以，它仍然令人困惑，但至少它是有用的，我想。

Answer 1

在您使用的方法中，您将列作为参数传递给函数，一一传递所有值。但是，由于 key2 列中存在非数字值，因此两个字符串之间无法进行减法。

您可以按照以下方式解决您的问题：

grouped[["data1", "data2"]].agg(peak_to_peak)

grouped[["data1", "data2"]].agg(lambda x: np.mean(x))`