Pandas Bug ?:在某些情況下，分組的int64列的平均值保持為int64

Question

我發現一個非常奇怪的（恕我直言）行為，一些數據從CSV文件加載到pandas。 為了保護無辜者，讓我們說明DataFrame位於變量homes ，其中包括以下列：

In [143]: homes[['zipcode', 'sqft', 'price']].dtypes
Out[143]:
zipcode     int64
sqft        int64
price       int64
dtype: object

為了獲得每個郵政編碼的平均價格，我試過：

In [146]: homes.groupby('zipcode')[['price']].mean().head(n=5)
Out[146]:
           price
zipcode
28001     280804
28002     234284
28003     294111
28004    1355927
28005     810164

奇怪的是，價格均值是一個int64，如下所示：

In [147]: homes.groupby('zipcode')[['price']].mean().dtypes
Out[147]:
price    int64
dtype: object

我無法想象任何技術上的原因，為什么一些整數的平均值不會被提升為浮動。 更重要的是，只需添加另一列，就可以使價格成為一個浮動64，正如我預期的那樣：

In [148]: homes.groupby('zipcode')[['price', 'sqft']].mean().dtypes
Out[148]:
price       float64
sqft        float64
dtype: object

                  price          sqft
zipcode
28001     280804.690608  14937.450276
28002     234284.035176   7517.633166
28003     294111.278571  10603.096429
28004    1355927.097792  13104.220820
28005     810164.880952  19928.785714

為了確保我沒有遺漏一些非常明顯的東西，我創建了另一個非常簡單的DataFrame （ df ）但是，有了這個，這個行為沒有出現：

In [161]: df[['J','K']].dtypes
Out[161]:
J    int64
K    int64
dtype: object

In [164]: df[['J','K']].head(n=10)
Out[164]:
   J   K
0  0  -9
1  0 -14
2  0   8
3  0 -11
4  0  -7
5 -1   7
6  0   2
7  0   0
8  0   5
9  0   3

In [165]: df.groupby('J')[['K']].mean()
Out[165]:
           K
J
-2 -2.333333
-1  0.466667
 0 -1.030303
 1 -1.750000
 2 -3.000000

請注意，對於單個列，K：int64，按J分組，另一個是int64，平均值直接是浮點數。 從提供的CSV文件中讀取了homes DataFrame ，其中df已在pandas中創建，寫入CSV然后回讀。

最后但並非最不重要的是，我使用的是熊貓0.16.2。

Answer 1

正如你們中的一些人在評論中所說的，這是熊貓中的一個錯誤。 我剛剛在這里報道了 。

截至目前，它已被大熊貓隊接受。

謝謝