Python Pandas : type error in groupby

Question

我在 csv 文件中读取如下内容:

import pandas as pd

out = "M:/transitions.csv"
transitions = pd.read_csv(out)

transitions = transitions.groupby('unique_pid')

这是我的数据框的样子:

In [11]: transitions.head()
Out[11]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5 entries, 0 to 4
Data columns (total 24 columns):
Unnamed: 0                5  non-null values
Unnamed: 0.1              5  non-null values
Unnamed: 0.1              5  non-null values
unique_pid                5  non-null values
Unnamed: 1                5  non-null values
unique_pid.1              5  non-null values
age                       5  non-null values
age2                      5  non-null values
year                      5  non-null values
Single-family house       5  non-null values
Duplex/ 2-family house    5  non-null values
Multifamily               5  non-null values
Mobile Home/ trailer      5  non-null values
Condo                     5  non-null values
Townhouse                 5  non-null values
Other                     5  non-null values
Don't know                5  non-null values
Refused                   5  non-null values
numrooms                  5  non-null values
famsize                   5  non-null values
moved                     5  non-null values
whymoved                  5  non-null values 
seniorh                   5  non-null values
inst                      5  non-null values
dtypes: float64(10), int64(14)

我收到以下错误:

TypeError: 'DataFrame' object is not callable

我使用以下代码检查了键“unique_pid”是否在我的数据框中:

In [8]: print 'unique_pid' in transitions
True

所以这显然是一个有效的 key 。我之前已经用这种方式多次使用 groupby ，没有任何问题，所以我不确定出了什么问题。

Answer 1

这似乎是此 SO question 中问题的更微妙版本。 .

本质上，虽然 DF 会很乐意导入具有多个同名列的数据，但 groupby 函数似乎在此类数据帧上窒息而死。重命名重复的列名通常可以解决问题。您的问题的奇怪之处在于，这些列并不相同，只是非常接近。不知道为什么这会成为一个问题。但是，我看到 Unnamed: 0.1 出现了两次，这也可能会搞砸。当被迫处理遭受这种重复的数据时，我建议首先使用合理且唯一的名称列表重命名所有列标题。您可以通过将新列标题字符串的列表分配给transitions.columns来做到这一点:

 transitions.columns  = ['Unnamed_A', 'Unnamed_B', 'Unnamed_C', 'unique_pid_A', 'Unnamed_D', 'unique_pid_B', 'age', 'age2', 'year', 'Single-family house', 'Duplex_2_family hou', 'Multifamily', 'Mobile Home/ trailer', 'Condo', 'Townhouse', 'Other', 'Don't know', 'Refused', 'numrooms', 'famsize', 'moved', 'whymoved', 'seniorh', 'inst']