- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我刚刚将 Pandas 从 0.17.1 更新到 0.18.1,并认为我在更改一些预先存在的代码时发现了下面概述的新重采样方法的问题。根据此文档,我下面的示例中的 df3_resample 和 df4_resample 应该返回相同的数据帧,但是 df4_resample 会引发异常。这让我绊倒了一段时间,所以我想我会分享。
Exception: Column(s) A already selected
df = pd.DataFrame(np.random.rand(10,4),
columns=list('ABCD'),
index=pd.date_range('2010-01-01 09:00:00', periods=10, freq='s'))
df['item'] = 'item_a' # add column for groupby
# THIS WORKS
df1_resample = df.groupby('item').resample('2s').agg({'A': np.mean, 'B': np.max}).reset_index()
print df1_resample
# THIS WORKS
df2_resample = df.resample('2s').agg({'A': {'A_mean': np.mean, 'A_max': np.max}}).reset_index()
print df2_resample
# THIS WORKS
df3_resample = df.groupby('item').apply(lambda x: x.resample('2s').agg({'A': {'A_mean': np.mean, 'A_max': np.max}})).reset_index()
print df3_resample
# THIS DOESN"T WORKS
df4_resample = df.groupby('item').resample('2s').agg({'A': {'A_mean': np.mean, 'A_max': np.max}})
print df4_resample
item level_1 A B
0 item_a 2010-01-01 09:00:00 0.611660 0.739640
1 item_a 2010-01-01 09:00:02 0.615876 0.880113
2 item_a 2010-01-01 09:00:04 0.218292 0.441504
3 item_a 2010-01-01 09:00:06 0.753698 0.637787
4 item_a 2010-01-01 09:00:08 0.471272 0.474738
index A
A_mean A_max
0 2010-01-01 09:00:00 0.611660 0.813038
1 2010-01-01 09:00:02 0.615876 0.994657
2 2010-01-01 09:00:04 0.218292 0.233478
3 2010-01-01 09:00:06 0.753698 0.848107
4 2010-01-01 09:00:08 0.471272 0.610592
item level_1 A
A_mean A_max
0 item_a 2010-01-01 09:00:00 0.611660 0.813038
1 item_a 2010-01-01 09:00:02 0.615876 0.994657
2 item_a 2010-01-01 09:00:04 0.218292 0.233478
3 item_a 2010-01-01 09:00:06 0.753698 0.848107
4 item_a 2010-01-01 09:00:08 0.471272 0.610592
File "<some_file.py>", line 29, in <module>
df4_resample = df.groupby('item').resample('2s').agg({'A': {'A_mean': np.mean, 'A_max': np.max}})
File "C:\Anaconda2\lib\site-packages\pandas\tseries\resample.py", line 293, in aggregate
result, how = self._aggregate(arg, *args, **kwargs)
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 505, in _aggregate
result = list(_agg(arg, _agg_1dim).values())
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 496, in _agg
result[fname] = func(fname, agg_how)
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 479, in _agg_1dim
return colg.aggregate(how, _level=(_level or 0) + 1)
File "C:\Anaconda2\lib\site-packages\pandas\tseries\resample.py", line 293, in aggregate
result, how = self._aggregate(arg, *args, **kwargs)
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 528, in _aggregate
result = _agg(arg, lambda fname,
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 496, in _agg
result[fname] = func(fname, agg_how)
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 529, in <lambda>
agg_how: _agg_1dim(self._selection, agg_how))
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 475, in _agg_1dim
colg = self._gotitem(name, ndim=1, subset=subset)
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 680, in _gotitem
groupby=self._groupby[key],
File "C:\Anaconda2\lib\site-packages\pandas\core\base.py", line 326, in __getitem__
raise Exception('Column(s) %s already selected' % self._selection)
Exception: Column(s) A already selected
最佳答案
我不知道为什么 resample
对此不起作用,但有一个方便的解决方法,不需要使用 lambda。试试这个:
df.groupby([
'item', pd.Grouper(freq = '2s')
]).agg({
'A' : ['mean', 'max']
}).rename(columns = {
'mean' : 'A_mean', 'max' : 'A_max'
}, level = 1).reset_index()
.resample('2S')
您可以添加
pd.Grouper('2s')
给您的
groupby()
.它的功能与您的情况相同。这是文档-->
http://pandas.pydata.org/pandas-docs/version/0.18/generated/pandas.Grouper.html
.rename()
功能。
关于python-2.7 - Pandas 0.18.1 groupby 和重采样多级聚合错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38861244/
给定输入: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 将数字按奇数或偶数分组,然后按小于或大于 5 分组。 预期输出: [[1, 3, 5], [2, 4], [6, 8, 10
编辑: @coldspeed、@wen-ben、@ALollz 指出了我在字符串 np.nan 中犯的新手错误。答案很好,所以我不删除这个问题来保留那些答案。 原文: 我读过这个问题/答案 What'
我试图概括我提出的问题 here . mlb 数据框看起来像 Player Position Salary Year 0 Mike Wit
我认为我不需要共享整个数据框,但基本上,这是有问题的代码行(当然,已经导入了 pandas) divstack = df[df['Competitor']=='Emma Slabach'].group
我面临下一个问题:我有组(按 ID),对于所有这些组,我需要应用以下代码:如果组内位置之间的距离在 3 米以内,则需要将它们添加在一起,因此将创建一个新组(代码如何创建我在下面显示的组)。现在,我想要
我有以下数据: ,dateTime,magnitude,occurrence,dateTime_s 1,2017-11-20 08:00:09.052260,12861,1,2017-11-20 08
我按感兴趣的列对 df 进行分组: grouped = df.groupby('columnA') 现在我只想保留至少有 5 名成员的组: grouped.filter(lambda x: len(x
数据是一个时间序列,许多成员 ID 与许多类别相关联: data_df = pd.DataFrame({'Date': ['2018-09-14 00:00:22',
选择 u.UM_TOKEN_NO 、u.UM_FULLNAME、u.SECTOR、u.department_name、t.TS_PROJECT_CODE、sum(t.TS_TOTAL_HRS) 来自
我有这两个表: +---------------+-------------+---------------------+----------+---------+ | items_ordered |
我正在使用 groupby 和 sum 快速汇总两个数据集 一个包含: sequence shares 1 100 2 200 3 50 1 2
这个问题在这里已经有了答案: list around groupby results in empty groups (3 个答案) itertools groupby object not out
我有一组行,我想按标识符的值进行分组 - 存在于每一行中 - 然后对将作为结果的组进行进一步的隔离处理。 我的数据框是这样的: In [50]: df Out[50]: groupkey b
假设您要在全局范围内销售产品,并且希望在某个主要城市的某个地方设立销售办事处。您的决定将完全基于销售数字。 这将是您的(简化的)销售数据: df={ 'Product':'Chair', 'Count
我有一个将数据分组两次的查询: var query = (from a in Context.SetA() from b in Context.SetB().Where(x => x.aId == a
我有一个这种格式的数据框: value identifier 2007-01-01 0.087085 55 2007-01-01 0.703249
这个问题在这里已经有了答案: python groupby behaviour? (3 个答案) 关闭 4 年前。 我有一个这样的列表 [u'201003', u'200403', u'200803
在 Python 中,我可以使用 itertools.groupby 将具有相同键的连续元素分组。 : >>> items = [(1, 2), (1, 5), (1, 3), (2, 9), (3,
无法翻译以下 GroupBy 查询并将引发错误:不支持客户端 GroupBy IEnumerable ids = new List { 1, 2, 3 }; var q = db.Comments.W
考虑一个 Spark DataFrame,其中只有很少的列。目标是对其执行 groupBy 操作,而不将其转换为 Pandas DataFrame。等效的 Pandas groupBy 代码如下所示:
我是一名优秀的程序员,十分优秀!