有没有办法使用groupby来计算文本列的平均值？

Question

我一直在使用pandas.groupby来透视数据，并为我的数据创建描述性图表和表格。当对三个变量进行groupby时，我一直遇到了一个问题 DataError: No numeric types to aggregate 工作时出错 cancelled 列。

来描述我的数据。Year 和 Month 包含多列的年度和月度数据（多个年份，所有月份）。Type 包含订单项目的类型（衣服、家电等），以及 cancelled 包含是或否的字符串值，以确定一个订单是否被取消。

我希望绘制一个图表，并显示一个表格，以显示订单项目的取消率（和成功率）是多少。以下是我目前正在使用的方法

df.groupby(['Year', 'Month', 'Type'])['cancelled'].mean()

但这似乎并不奏效。

样品

Year    Month        Type          cancelled 
2012      1        electronics       yes
2012      10         fiber           yes
2012      9         clothes          no
2013      4        vegetables        yes
2013      5        appliances        no
2016      3        fiber             no
2017      1        clothes           yes

Answer 1

使用:

df = pd.DataFrame({
         'Year':[2020] * 6,
         'Month':[7,8,7,8,7,8],
         'cancelled':['yes','no'] * 3,
         'Type':list('aaaaba')
})
print (df)

获取每个变量的计数 Year, Month, Type 列。

df1 = df.groupby(['Year', 'Month', 'Type','cancelled']).size().unstack(fill_value=0)
print (df1)
cancelled        no  yes
Year Month Type         
2020 7     a      0    2
           b      0    1
     8     a      3    0

然后除以数值之和作为比率。

df2 = df1.div(df1.sum()).mul(100)
print (df2)
cancelled           no        yes
Year Month Type                  
2020 7     a       0.0  66.666667
           b       0.0  33.333333
     8     a     100.0   0.000000

Answer 2

可能我误解了你想要的输出是什么样子的 但要找到每个项目类型的取消率 你可以这样做：

# change 'cancelled' to numeric values
df.loc[df['cancelled'] == 'yes', 'cancelled'] = 1
df.loc[df['cancelled'] == 'no', 'cancelled'] = 0

# get the mean of 'cancelled' for each item type
res = {}
for t in df['Type'].unique():
    res[t] = df.loc[df['Type'] == t, 'cancelled'].mean()

# if desired, put it into a dataframe
results = pd.DataFrame([res], index=['Rate']).T

输出

              Rate
electronics   1.0
fiber         0.5
clothes       0.5
vegetables    1.0
appliances    0.0

注：如果你想指定具体的年份或月份，你可以用以下方法来实现： loc 也是，但鉴于你的示例数据在给定的年或月内没有任何重复，这将返回你给定示例的原始数据框。