python - 使用numpy.median与其他功能汇总 Pandas groupby对象的结果不一致

使用DataFrame(pandas为pd，numpy为np):

test = pd.DataFrame({'A' : [10,11,12,13,15,25,43,70],
                     'B' : [1,2,3,4,5,6,7,8],
                     'C' : [1,1,1,1,2,2,2,2]})


In [39]: test
Out[39]:
    A  B  C
0  10  1  1
1  11  2  1
2  12  3  1
3  13  4  1
4  15  5  2
5  25  6  2
6  43  7  2
7  70  8  2

通过'C'对DF进行分组，并使用np.mean(也包括sum，min，max)进行聚合，从而在各组内生成按列的聚合:

In [40]: test_g = test.groupby('C')

In [41]: test_g.aggregate(np.mean)
Out[41]:
       A    B
C
1  11.50  2.5
2  38.25  6.5

但是，看起来像使用np.median进行聚合会在组内产生DataFrame明智的聚合:

In [42]: test_g.aggregate(np.median)
Out[42]:
      A     B
C
1   7.0   7.0
2  11.5  11.5

(虽然使用groupby.median方法似乎会产生预期的按列结果)

我希望解决以下问题:

这种结果的原因/机制是什么？

如果确认此行为，它将如何影响建议的汇总分组“最佳实践”？其他聚合功能可以这样工作吗？

最佳答案

原因很可笑。也许有些 Pandas 专家会想鸣叫，但这归结为numpy和 Pandas 之间的乒乓球。请注意该文档说:



首先是2D(array_like)，第二种方法归结为将1D array_likes传递给您提供的函数。

这意味着聚合首先将2D系列传递进来。在第一种情况(np.mean)中，numpy知道数组具有.mean属性，因此它会一直执行此操作。但是，它使用axis=None(numpy的默认值)来调用它。这使Pandas抛出异常(它希望轴为0或1，从不希望None)，然后转到第二步，将其作为1D传递，并且万无一失。

但是，当您输入np.median时，numpy数组不具有.median属性，因此它具有正常的numpy机制，即用于使数组变平(即，通常是axis=None)。

解决方法是使用test_g.aggregate([np.median, np.median])强制其始终采用第二条路径。还是可行的方法:test_g.aggregate(np.median, axis=0)将axis=0传递到np.median中，从而告诉numpy如何正确处理它。总的来说，我想知道 Pandas 是否至少不应该发出警告，毕竟将结果广播到两列几乎永远是不想要的。

关于python - 使用numpy.median与其他功能汇总 Pandas groupby对象的结果不一致，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12651618/