这是我使用的数据帧。
token name ltp change
0 12345.0 abc 2.0 NaN
1 12345.0 abc 5.0 1.500000
2 12345.0 abc 3.0 -0.400000
3 12345.0 abc 9.0 2.000000
4 12345.0 abc 5.0 -0.444444
5 12345.0 abc 16.0 2.200000
6 6789.0 xyz 1.0 NaN
7 6789.0 xyz 5.0 4.000000
8 6789.0 xyz 3.0 -0.400000
9 6789.0 xyz 13.0 3.333333
10 6789.0 xyz 9.0 -0.307692
11 6789.0 xyz 20.0 1.222222
在试图解决这个问题时,我遇到了这种奇怪的pd.NamedAgg
行为
#Worked as intended
df.groupby('name').agg(pos=pd.NamedAgg(column='change',aggfunc=lambda x: x.gt(0).sum()),
neg = pd.NamedAgg(column='change',aggfunc=lambda x:x.lt(0).sum()))
# Output
pos neg
name
abc 3.0 2.0
xyz 3.0 2.0
在特定列上执行此操作时
df.groupby('name')['change'].agg(pos = pd.NamedAgg(column='change',aggfunc=lambda x:x.gt(0).sum()),
neg = pd.NamedAgg(column='change',aggfunc=lambda x:x.lt(0).sum()))
#Output
pos neg
name
abc 2.0 2.0
xyz 2.0 2.0
pos
列值将被neg
列值覆盖。
下面是另一个示例:
df.groupby('name')['change'].agg(pos = pd.NamedAgg(column='change',aggfunc=lambda x:x.gt(0).sum()),
neg = pd.NamedAgg(column='change',aggfunc=lambda x:x.sum()))
#Output
pos neg
name
abc 4.855556 4.855556
xyz 7.847863 7.847863
更奇怪的结果:
df.groupby('name')['change'].agg(pos = pd.NamedAgg(column='change',aggfunc=lambda x:x.gt(0).sum()),
neg = pd.NamedAgg(column='change',aggfunc=lambda x:x.sum()),
max = pd.NamedAgg(column='ltp',aggfunc='max'))
# I'm applying on Series `'change'` but I mentioned `column='ltp'` which should
# raise an `KeyError: "Column 'ltp' does not exist!"` but it produces results as follows
pos neg max
name
abc 4.855556 4.855556 2.2
xyz 7.847863 7.847863 4.0
问题是当它与pd.Series
一起使用时
s = pd.Series([1,1,2,2,3,3,4,5])
s.groupby(s.values).agg(one = pd.NamedAgg(column='new',aggfunc='sum'))
one
1 2
2 4
3 6
4 4
5 5
它不应该引起KeyError
吗?
一些更奇怪的结果,当我们使用不同的列名时,列one
值不会被覆盖。
s.groupby(s.values).agg(one=pd.NamedAgg(column='anything',aggfunc='sum'),
second=pd.NamedAgg(column='something',aggfunc='max'))
one second
1 2 1
2 4 2
3 6 3
4 4 4
5 5 5
当我们在pd.NamedAgg
中使用相同的列名时,值会被覆盖
s.groupby(s.values).agg(one=pd.NamedAgg(column='weird',aggfunc='sum'),
second=pd.NamedAgg(column='weird',aggfunc='max'))
one second # Values of column `one` are over-written
1 1 1
2 2 2
3 3 3
4 4 4
5 5 5
我的熊猫版本
pd.__version__
# '1.0.3'
来自熊猫文档:
命名聚合也对系列分组聚合有效。在这种情况下,没有列选择,因此值只是函数。
In [82]: animals.groupby("kind").height.agg(
....: min_height='min',
....: max_height='max',
....: )
....:
Out[82]:
min_height max_height
kind
cat 9.1 9.5
dog 6.0 34.0
但是找不到为什么与column
一起使用会产生奇怪的结果。
更新:
错误报告由 @jezrael 在 github 问题#34380
中提交,也在这里。
编辑:这是pandas-dev确认的错误,这已在PR BUG中解决:如果聚合具有相同的名称,则聚合将被覆盖#30858
如果在分组依据后有指定的列,请使用段落中指定的解决方案:
命名聚合也对系列分组聚合有效。在这种情况下,没有列选择,因此值只是函数。
df = df.groupby('name')['change'].agg(pos = lambda x:x.gt(0).sum(),
neg = lambda x:x.lt(0).sum())
print (df)
pos neg
name
abc 3.0 2.0
xyz 3.0 2.0
为什么将其与列一起使用会产生奇怪的结果。
我认为这是错误,而不是错误的输出应该引发错误。