python - Pandas 聚合数据框只返回一列

Question

你好。

我有一个像这样的 pandas DataFrame (df):

     foo  id1  bar  id2
0    8.0   1  NULL   1
1    5.0   1  NULL   1
2    3.0   1  NULL   1
3    4.0   1     1   2
4    7.0   1     3   2
5    9.0   1     4   3
6    5.0   1     2   3
7    7.0   1     3   1
...

我想按 id1 和 id2 分组并尝试获取 foo 和 bar 的平均值。

我的代码:

res = df.groupby(["id1","id2"])["foo","bar"].mean()

我得到的几乎是我所期望的:

            foo
id1 id2          
1  1   5.750000
   2   7.000000
2  1   3.500000
   2   1.500000
3  1   6.000000
   2   5.333333

“foo”列中的值正是我要查找的平均值(均值)，但我的“bar”列在哪里？

因此，如果它是 SQL，我正在寻找如下结果:“按 id1、id2 从数据帧组中选择 avg(foo)、avg(bar)；”(对此感到抱歉，但我更像是一个 sql 人，并且是 pandas 的新手，但我现在需要它。)

我也尝试过:

groupedFrame = res.groupby(["id1","id2"])
aggrFrame = groupedFrame.aggregate(numpy.mean)

这给了我完全相同的结果，仍然缺少列“bar”。

我阅读的网站:

• http://wesmckinney.com/blog/groupby-fu-improvements-in-grouping-and-aggregating-data-in-pandas/
• https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.aggregate.html
• 和 group-by 的文档，但我无法在此处发布链接。

我做错了什么？ - 在此先致谢。

Answer 1

问题是您的 bar 列不是数字，因此聚合函数忽略了它。

可以查看dtype省略的列 - 不是数字:

print (df['bar'].dtype)
object

可以查看automatic exclusion of nuisance columns .

解决方案是在聚合之前将 string 值转换为 numeric，如果不可能，添加 NaN 和 to_numeric和参数 errors='coerce':

df['bar'] = pd.to_numeric(df['bar'], errors='coerce')
res = df.groupby(["id1","id2"])["foo","bar"].mean()
print (res)
          foo  bar
id1 id2           
1   1    5.75  3.0
    2    5.50  2.0
    3    7.00  3.0

但如果有混合数据 - 带有 strings 的数字可以使用 replace :

df['bar'] = df['bar'].replace("NULL", np.nan)