我正在使用 pandas 0.20.2。
聚合混合数据类型数据帧时,我得到不一致的结果。 以下是一些示例数据:
import pandas as pd
import numpy as np
df=pd.DataFrame(data=pd.date_range('20100201', periods=10,
freq='5h3min'),columns=['Start'])
df.loc[:,'End']=df.loc[:,'Start']+pd.Timedelta(4,'h')
df.loc[:,'Value']=42.0
df.loc[:,'Dur']=df.loc[:,'End']-df.loc[:,'Start']
我想对 Dur
(float
) 和 Value
(np.timedelta64
) 应用一些函数。
特别是,结合 np.nansum
和 np.nanmax
我得到以下结果:
**df.resample('1D',on='Start')['Dur','Value'].agg([np.nansum,np.nanmedian])**
Out[16]:
Value
nansum nanmedian
Start
2010-02-01 210.0 42.0
2010-02-02 210.0 42.0
“Dur”列被静默忽略并删除,而如果仅应用
np.nansum
我获得了包括两列在内的预期结果
f.resample('1D',on='Start')['Dur','Value'].agg([np.nansum])
Out[17]:
Dur Value
nansum nansum
Start
2010-02-01 20:00:00 210.0
2010-02-02 20:00:00 210.0
应用nanmedian
时如何获得相同的结果?或者如何获取在 * 处返回的多级数据框中的所有预期列?
最佳答案
用户Yakym Pirozhenko是正确的,错误是由于在函数 np.nanmedian
np.isnan
造成的
为了避免这种情况,您可以定义自己的 nanmedian
,它将在非空时间戳上应用 np.median:
def mynanmedian(x):
return np.median(x[pd.notnull(x)])
df.resample('1D',on='Start')['Dur','Value'].agg([np.nansum,mynanmedian])
# out:
Dur Value
nansum mynanmedian nansum mynanmedian
Start
2010-02-01 20:00:00 04:00:00 210.0 42.0
2010-02-02 20:00:00 04:00:00 210.0 42.0
关于python - 在 pandas 中聚合多个数据类型时如何获得一致的行为?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50464135/