混合使用的列的聚合 - 熊猫

如何解决混合使用的列的聚合 - 熊猫

我有一个 Pandas 数据框，其中有两个对象列 FEATURE 和 FEATURE_VALUE，分别代表特征的名称和特征的值。虽然 FEATURE_VALUE 是一个对象列，但实际上它包含类型 int、float 和 str。我想基于 FEATURE 对 FEATURE_VALUE 进行聚合，但是 str 格式中的 int 和 float 值的行为与 int 和 float 格式中的行为不同。我想知道是否有一种方法可以编写 labmda 函数或可以根据聚合时 FEATURE 的值将 FEATURE_VALUE 的值转换为浮点数的函数，而不是首先生成单独转换的列。 在下面的例子中，A 和 C 的 FEATURE 值是数值，而 FEATURE B 是字符串值。

import pandas as pd
d = {'FEATURE': ['A','B','A','C','C'],'FEATURE_VALUE': ['9','2','11','G',' 100','9']}
df = pd.DataFrame(data=d)

  FEATURE FEATURE_VALUE
0       A             9
1       B             A
2       A             2
3       A            11
4       B             G
5       C           100
6       C             9

    #desired_output after aggregate:
df_agg
FEATURE  MIN_FEATURE_VALUE  MAX_FEATURE_VALUE
   A             2                 11
   B             A                  G
   C             9                100

请注意，在 FEATURE_VALUE 上使用正常的最小/最大聚合不起作用，因为 '100' > '9' 是假的 但 100 > 9 为真

我有超过 200 个独特的 FEATURE 值，我知道哪些特征是浮点/整数，哪些是字符串。有没有办法在聚合过程中一次性完成数据转换？

解决方法

试试：

首先利用pd.to_numeric()将字符串数值转化为实际数值：

df['FEATURE_VALUE']=pd.to_numeric(df['FEATURE_VALUE'],errors='coerce').fillna(df['FEATURE_VALUE'])

最后使用 groupby()+agg()（带命名元组）：

out=df.groupby('FEATURE',as_index=False).agg(MIN_FEATURE_VALUE=('FEATURE_VALUE','min'),MAX_FEATURE_VALUE=('FEATURE_VALUE','max'))

或

通过pivot_table()：

out=df.pivot_table('FEATURE_VALUE','FEATURE',aggfunc=['min','max'])
out.columns=out.columns.map('_'.join).str.upper()
out=out.reset_index()

out 的输出：

  FEATURE   MIN_FEATURE_VALUE   MAX_FEATURE_VALUE
0   A       2.0                 11.0
1   B       A                   G
2   C       9.0                 100.0