为啥熊猫分组聚合丢弃分类列?
Posted
技术标签:
【中文标题】为啥熊猫分组聚合丢弃分类列?【英文标题】:Why does pandas grouping-aggregation discard categoricals column?为什么熊猫分组聚合丢弃分类列? 【发布时间】:2019-02-01 07:04:13 【问题描述】:情况
考虑以下两个数据框:
import pandas as pd # version 0.23.4
df1 = pd.DataFrame(
'A': [1, 1, 1, 2, 2],
'B': [100, 100, 200, 100, 100],
'C': ['apple', 'orange', 'mango', 'mango', 'orange'],
'D': ['jupiter', 'mercury', 'mars', 'venus', 'venus'],
)
df2 = df1.astype('D': 'category')
正如您在数据框 df2
中看到的那样,D
列的数据类型为 categoricals,但除此之外,df2
与 df1
相同。
现在考虑以下分组聚合操作:
result_x_df1 = df1.groupby(by='A').first()
result_x_df2 = df2.groupby(by='A').first()
result_y_df1 = df1.groupby(by=['A', 'B']).first()
result_y_df2 = df2.groupby(by=['A', 'B']).first()
结果如下:
In [1]: result_x_df1
Out[1]:
B C D
A
1 100 apple jupiter
2 100 mango venus
In [2]: result_x_df2
Out[2]:
B C D
A
1 100 apple jupiter
2 100 mango venus
In [3]: result_y_df1
Out[3]:
C D
A B
1 100 apple jupiter
200 mango mars
2 100 mango venus
In [4]: result_y_df2
Out[4]:
C
A B
1 100 apple
200 mango
2 100 mango
问题
result_x_df1
、result_x_df2
和 result_y_df1
看起来完全符合我的预期。然而,真正让我感到困惑的是,在result_y_df2
中,categoricals 列D
已被完全丢弃。这就提出了以下问题:
result_y_df2
中的分类列D
被丢弃?
如何防止分类列D
被丢弃,即如何从df2
获得类似于result_y_df1
的分组聚合结果?
【问题讨论】:
.head(1)
可能会有所帮助,但仍然很好奇为什么 first
会丢弃分类列
@Dark 使用head(1)
而不是first()
似乎确实可以解决问题!
Pandas 0.21.0 版给出了预期的结果。更新的版本一定改变了一些东西。
@RaunaqJain 很有趣。我想知道与pandas
0.21.0 相比的行为变化是错误还是故意修改?
我很想调试它。可悲的是,我不知道如何去做。如果有人可以指导我完成,我将不胜感激。学习的好机会。
【参考方案1】:
问题的原因似乎是 pandas 中的回归错误(从版本 0.23.0
开始出现)。一种解决方法是使用 head(1)
而不是 first()
(如 Dark 所建议的那样)。
请参阅this pandas github issue 了解新进展。
【讨论】:
以上是关于为啥熊猫分组聚合丢弃分类列?的主要内容,如果未能解决你的问题,请参考以下文章