使用 .groupby() 的 Pandas TimeSeries 的平均值

Question

嗨，

我有一些来自行为实验的连续 x/y 坐标，我想使用 Pandas 在组内平均。

我在这里使用数据的一个子集。

data
Out[11]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 2036 entries, 0 to 1623
Data columns (total 9 columns):
id               2036  non-null values
subject          2036  non-null values
code             2036  non-null values
acc              2036  non-null values
nx               2036  non-null values
ny               2036  non-null values
rx               2036  non-null values
ry               2036  non-null values
reaction_time    2036  non-null values
dtypes: bool(1), int64(3), object(5)

nx 和 ny 包含一系列 TimeSeries 对象，它们都具有相同的索引。

data.nx.iloc[0]
Out[16]: 
0     0
1     0
2     0
3     0
4     0
5     0
6     0
7     0
8     0
9     0
10    0
11    0
12    0
13    0
14    0
...
86     1.019901
87     1.010000
88     1.010000
89     1.005921
90     1.000000
91     1.000000
92     1.000000
93     1.000000
94     1.000000
95     1.000000
96     1.000000
97     1.000000
98     1.000000
99     1.000000
100    1.000000
Length: 101, dtype: float64

这些 TimeSeries 列可以正常平均，使用 data.nx.mean()，并按预期运行，但是当我尝试对数据进行分组时遇到了麻烦。

grouped = data.groupby(['code', 'acc'])
means = grouped.mean()
print means
                       id          subject  reaction_time
code   acc                                               
group1 False  1570.866667  47474992.333333    1506.000000
       True   1337.076152  46022403.623246    1322.116232
group2 False  1338.180180  48730402.045045    1289.112613
       True   1382.631757  42713592.628378    1294.952703
group3 False  1488.587156  43202477.623853    1349.568807
       True   1310.415233  47054310.498771    1341.837838
group4 False  1339.682540  52530349.936508    1540.714286
       True   1343.261176  44606616.407059    1362.174118

奇怪的是，我可以强制他们平均 TimeSeries 数据，并且可能不得不依靠这种方式进行黑客攻击，如下所示：

for name, group in grouped:
     print group.nx.mean()

0     0.000000
1     0.000000
2     0.000000
3     0.000000
4     0.000000
5     0.000667
6     0.000683
7     0.001952
8     0.002000
9     0.002000

{etc, 101 values for 6 groups}

最后，如果我尝试强制 GroupBy 对象对它们进行平均，我会得到以下结果：

grouped.nx.mean()
---------------------------------------------------------------------------
DataError                                 Traceback (most recent call last)
<ipython-input-25-0b536a966e02> in <module>()
----> 1 grouped.nx.mean()

/usr/local/lib/python2.7/dist-packages/pandas-0.12.0-py2.7-linux-i686.egg/pandas/core/groupby.pyc in mean(self)
    357         """
    358         try:
--> 359             return self._cython_agg_general('mean')
    360         except GroupByError:
    361             raise

/usr/local/lib/python2.7/dist-packages/pandas-0.12.0-py2.7-linux-i686.egg/pandas/core/groupby.pyc in _cython_agg_general(self, how, numeric_only)
    462 
    463         if len(output) == 0:
--> 464             raise DataError('No numeric types to aggregate')
    465 
    466         return self._wrap_aggregated_output(output, names)

DataError: No numeric types to aggregate

有人有什么想法吗？

Answer 1

每个条目本身都是一个系列的系列不是惯用的。我认为“没有要聚合的数字类型”是在告诉您，pandas 正在尝试获取未定义的 Series 列表的平均值（而不是它们包含的数字数据的平均值）。

您应该组织您的数据，以便 nx 和 ny 包含实际数字。将 nx、ny（以及，我认为是 rx 和 ry）保存在单独的 DataFrame 中可能是最简单的，其中每一列对应一个 id。