python - Pandas - 类别变量和分组依据 - 这是一个错误吗？

Question

我在玩 Pandas 时遇到了一个奇怪的结果，我不确定为什么会这样。想知道这是否是一个错误。

cf = pd.DataFrame({'sc': ['b' , 'b', 'c' , 'd'], 'nn': [1, 2, 3, 4], 'mvl':[10, 20, 30, 40]})
df = cf.groupby('sc').mean()
df.loc['b', 'mvl']

结果为“15.0”。

cf1 = cf
cf1['sc'] = cf1['sc'].astype('category', categories=['b', 'c', 'd'], ordered = True)
df1 = cf1.groupby('sc').mean()
df1.loc['b','mvl']

结果是一个系列:

sc

b    15.0
Name: mvl, dtype: float64

type(df1.loc['b','mvl']) -> pandas.core.series.Series

type(df.loc['b','mvl']) -> numpy.float64

为什么将变量声明为分类变量会将 loc 的输出从标量更改为系列？

我希望这不是一个愚蠢的问题。谢谢!

Answer 1

这可能是 pandas 的一个错误。不同之处在于，当您对分类变量进行分组时，您会得到一个分类索引。不用任何groupby可以看得更简单:

nocat = pandas.Series(['a', 'b', 'c'])
cat = nocat.astype('category', categories=['a', 'b', 'c'], ordered=True)
xno = pandas.Series([8, 88, 888], index=nocat)
xcat = pandas.Series([8, 88, 888], index=cat)

>>> xno.loc['a']
8
>>> xcat.loc['a']
a    8
dtype: int64

docs请注意，对 CategoricalIndex 的索引操作会保留分类索引。如果您只得到一个结果，他们似乎甚至会这样做，这与文档并不完全矛盾，但似乎是不受欢迎的行为。

有a related pull request这似乎可以解决此问题，但最近才合并。看起来修复应该在 pandas 0.18.1 中。