Pandas groupby - 數據框的列消失

Question

我有以下名為“new_df”的數據框：

dato    uttak   annlegg Merd    ID  Leng    BW  CF  F   B   H   K
0   2020-12-15  12_20   LL  3   1   48.0    1200    1.085069    0.0 2.0 0.0 NaN
1   2020-12-15  12_20   LL  3   2   43.0    830 1.043933    0.0 1.0 0.0 NaN

列是：

'dato', 'uttak', 'annlegg', 'Merd', 'ID', 'Leng', 'BW', 'CF', 'F', 'B', 'H', 'K'

當我做：

new_df.groupby(['annlegg','Merd'],as_index=False).mean()

除了像這樣的“BW”列之外，我得到了所有的手段：

annlegg Merd   ID        Leng         CF           F       B               H        K
0   KH  1   42.557143   56.398649   1.265812    0.071770    1.010638    0.600000    0.127907
1   KH  2   42.683794   56.492228   1.270522    0.021978    0.739130    0.230769    0.075862
2   KH  3   42.177866   35.490119   1.125416    0.000000    0.384146    0.333333    0.034483

當我分組時，列“BW”剛剛消失，無論“as_index”是真還是假，這是為什么呢？

Answer 1

看起來內容為BW列沒有數字類型，而是object類型，例如用於存儲字符串。 因此，當應用 groupby 和mean聚合 function 時，游覽列消失了計算 object 的平均值（認為字符串通常沒有意義）。

您應該首先轉換您的BW列：

第一種方法： pd.to_numeric

---

第一種方法將安全地將所有列轉換為float對象。

new_df['BW'] = pd.to_numeric(new_df['BW'])

第二種方法： df.astype

---

如果您不想將數據轉換為float （例如，您知道該列僅包含 int，或者您對浮點精度不感興趣），您可以使用astype方法，該方法允許您轉換為幾乎任何類型你要：

new_df['BW'] = new_df['BW'].astype(float)   # Converts to float
new_df['BW'] = new_df['BW'].astype(int)     # Converts to integer

您最終可以像以前一樣應用您的 groupby 和聚合！

Answer 2

這可能是由於錯誤的數據類型。 你可以試試這個。

new_df = new_df.convert_dtypes()
new_df.groupby(['annlegg','Merd'],as_index=False).mean()

您可以通過以下方式檢查 dtype：

new_df.dtype

Answer 3

您可以 try.agg() function 來定位特定列。

new_df.groupby(['annlegg','Merd']).agg({'BW':'mean'})