同样多指标数据框（平均）

Question

简短的问题：

我试图在两种不同的方式编组的多索引熊猫数据帧后得到一个平均列（数据系列）。区别仅在于DataFrame的构造。一个给我所期望的结果，另外提供了一个错误DataError: No numeric types to aggregate

描述：用于施工

import pandas as pd 
import numpy as np 
indexTuples = [('a', 1), ('b', 3), ('a', 2), ('c', 2), ('c', 3), ('b', 8)] 
multiIndex = pd.MultiIndex.from_tuples(indexTuples, names = ['x', 'y']) 

通过方法1

columns = ['alpha', 'beta', 'gamma'] 
df = pd.DataFrame(index=multiIndex, columns=columns) 

alpha = pd.Series(index=multiIndex) 
beta = pd.Series(index=multiIndex) 
gamma = pd.Series(index=multiIndex) 

for tup in indexTuples: 
    alpha[tup[0], tup[1]] = np.random.randint(400) 
    beta[tup[0], tup[1]] = np.random.randint(400) 
    gamma[tup[0], tup[1]] = np.random.randint(400) 

df.alpha = alpha 
df.beta = beta 
df.gamma = gamma 

df.alpha['a'] = np.nan 

df 

构建数据帧

公共数据给出的数据帧看起来像下面那样

 alpha beta gamma 
x y      
a 1 NaN 136.0 224.0 
b 3 375.0 227.0 191.0 
a 2 NaN 367.0 195.0 
c 2 247.0 61.0 78.0 
    3 238.0 187.0 366.0 
b 8 302.0 14.0 272.0  

，如果我做了以下操作，我得到预期的结果

df.groupby(level='x').alpha.mean() 

结果

x 
a  NaN 
b 148.0 
c 244.5 
Name: alpha, dtype: float64 

的方法构建数据框2

columns = ['alpha', 'beta', 'gamma'] 
_df = pd.DataFrame(index=multiIndex, columns=columns) 

for tup in indexTuples: 
    _df.alpha[tup[0], tup[1]] = np.random.randint(400) 
    _df.beta[tup[0], tup[1]] = np.random.randint(400) 
    _df.gamma[tup[0], tup[1]] = np.random.randint(400) 

_df.alpha['a'] = np.nan 

给出了类似的使用NaN的值查看DataFrame，如p。中所示revious方法

但现在当我尝试通过水平分组后，发现平均

_df.groupby(level='x').alpha.mean() 

我收到以下错误

--------------------------------------------------------------------------- 
DataError         Traceback (most recent call last) 
<ipython-input-192-ad2de6450fab> in <module>() 
----> 1 _df.groupby(level='x').alpha.mean() 

/film/tools/packages/pandas/0.18.0/CentOS-6.2_thru_7/python-2.7/lib/python2.7/site-packages/pandas-0.18.0-py2.7-linux-x86_64.egg/pandas/core/groupby.pyc in mean(self) 
    933   """ 
    934   try: 
--> 935    return self._cython_agg_general('mean') 
    936   except GroupByError: 
    937    raise 

/film/tools/packages/pandas/0.18.0/CentOS-6.2_thru_7/python-2.7/lib/python2.7/site-packages/pandas-0.18.0-py2.7-linux-x86_64.egg/pandas/core/groupby.pyc in _cython_agg_general(self, how, numeric_only) 
    750 
    751   if len(output) == 0: 
--> 752    raise DataError('No numeric types to aggregate') 
    753 
    754   return self._wrap_aggregated_output(output, names) 

DataError: No numeric types to aggregate 

为什么在第一种情况下工作，而不是在第二种情况？

Answer 1

当你构建_df，它的dtype成为object。发生这种情况的原因是，如您所定义的_df您没有使用任何数据启动它，并且默认为object。在构建＃1中，您可以通过分配与值独立构建的series来克服这个问题，从而实现浮点类型。在构建＃2中，您明确将其分配给了_df带有数据的位置。这些地点已被认定为object。

_df.dtypes 

alpha object 
beta  object 
gamma object 
dtype: object 

使用此得到您的结果：

_df.astype(float).groupby(level='x').alpha.mean()