python - Pandas Timedelta 平均值返回错误 "No numeric types to aggregate"。为什么？

Question

我正在尝试执行以下操作:

pd.concat([A,B], axis = 1).groupby("status_reason")["closing_time"].mean()

在哪里

A 是名为“status_reason”的系列(分类值)

B 是一个名为“close_time”的系列(TimeDelta 值)

例子:

In : A.head(5)
Out: 
     0    -1 days +11:35:00
     1   -10 days +07:13:00
     2                  NaT
     3                  NaT
     4                  NaT
    Name: closing_time, dtype: timedelta64[ns]

In : B.head(5)
Out:
     0            Won
     1       Canceled
     2    In Progress
     3    In Progress
     4    In Progress
     Name: status_reason, dtype: object

出现以下错误:

DataError: No numeric types to aggregate

请注意:我试图执行平均甚至隔离每个类别

现在，我在网上看到了一些与我类似的问题，所以我尝试了这个:

pd.to_timedelta(pd.concat([pd.to_numeric(A),B], axis = 1).groupby("status_reason")["closing_time"].mean())

这只是将 Timedelta 转换为 int64，反之亦然。但结果很奇怪(数字太高了)

为了调查情况，我写了以下代码:

xxx = pd.concat([A,B], axis = 1)
xxx.closing_time.mean()
#xxx.groupby("status_reason")["closing_time"].mean()

第二行工作正常，无需将 Timedelta 转换为 Int64。第三行不起作用，并再次返回 DataError。

我在这里很困惑!我错过了什么？

我想看看每个“状态原因”的“关闭时间”的平均值!

编辑

如果我尝试这样做:(隔离具有特定状态的行而不分组)

yyy = xxx[xxx["status_reason"] == "In Progress"]
yyy["closing_time"].mean()

结果是:

Timedelta('310 days 21:18:05.454545')

但是如果我这样做:(隔离具有特定状态分组的行)

yyy = xxx[xxx["status_reason"] == "In Progress"]
yyy.groupby("status_reason")["closing_time"].mean()

结果又是:

DataError: No numeric types to aggregate

最后，如果我这样做:(转换和转换回来)(让我们调用: 特殊示例 )

yyy = xxx[xxx["status_reason"] == "In Progress"]
yyy.closing_time = pd.to_numeric (yyy.closing_time)
pd.to_timedelta(yyy.groupby("status_reason")["closing_time"].mean())

我们回到我注意到的第一个问题:

status_reason
In Progress   -105558 days +10:08:05.605064
Name: closing_time, dtype: timedelta64[ns]

编辑2

如果我这样做:(转换为秒并转换回来)

yyy = xxx[xxx["status_reason"] == "In Progress"]
yyy.closing_time = A.dt.seconds
pd.to_timedelta(yyy.groupby("status_reason")["closing_time"].mean(), unit="s" )

结果是

status_reason
In Progress   08:12:38.181818
Name: closing_time, dtype: timedelta64[ns]

如果我删除 NaN，或者用 0 填充它们，则会发生相同的结果:

yyy = xxx[xxx["status_reason"] == "In Progress"].dropna()
yyy.closing_time = A.dt.seconds
pd.to_timedelta(yyy.groupby("status_reason")["closing_time"].mean(), unit="s" )

但是这些数字与我们在第一次编辑中看到的非常不同! ( 特殊示例 )

-105558 days +10:08:05.605064

另外，让我使用 dropna() 运行相同的代码( 特殊示例 ):

310 days 21:18:05.454545

再次，让我们使用 fillna(0) 运行相同的代码( 特殊示例 ):

3 days 11:14:22.819472

这无处可去。我可能应该准备导出这些数据，并将它们张贴在某个地方: Here we go

Answer 1

从阅读 Github 上对此问题的讨论 here ，您可以通过为均值计算指定 numeric_only=False 来解决此问题，如下所示

pd.concat([A,B], axis = 1).groupby("status_reason")["closing_time"] \
    .mean(numeric_only=False)