将派生字段更改为浮动并获取派生字段的平均值

Question

我有一个名为 FP 的数据框，包含 13 列，派生了一个名为 price/sqm 的新字段，并删除了 10 列。

FP['price/sqm'] = FP['price'] / FP['floor_area_sqm']
FP = FP.loc[:,['year', 'town', 'type', 'price/sqm']]

数据框有 700,000 行，看起来像这样：

   year   town    type     price/sqm
0  1990   AMK   1 ROOM    290.322581
1  1990   AMK   1 ROOM    193.548387
2  1990   AMK   1 ROOM    258.064516
3  1990   AMK   1 ROOM    193.548387
4  1990   AMK   3 ROOM    646.575342
5  1990   AMK   3 ROOM    686.567164

我正在尝试使用下面的代码根据['year','town','type'] 对price/sqm 进行平均，但我得到了TypeError: incompatible index of inserted column with frame index

FP['avg_price/sqm'] = FP.groupby(['year', 'town', 'type'])['price/sqm'].aggregate(mean)

我有一个用于不同数据帧的类似代码，该代码有效，所以我不确定为什么它不适用于此代码。另一个代码是gdp['yearly_gdp'] = gdp.groupby(['year'])['value'].transform(sum)

我假设它是因为 price/sqm 是一个 str 并且已尝试使用以下代码将其转换为 float 但我得到一个错误，或者它仍然返回为 str。

FP['price/sqm'] = float(FP['price/sqm'])
FP['price/sqm'] = FP['price/sqm'].astype(float)
FP['price/sqm'] = pd.to_numeric(FP['price/sqm'], errors = 'coerce')
FP[['price/sqm']] = FP[['price/sqm']].apply(pd.to_numeric)

谁能告诉我如何解决这个问题？

FP.dtypes：

   year   town    type     price/sqm
0  1990   AMK   1 ROOM    290.322581
1  1990   AMK   1 ROOM    193.548387
2  1990   AMK   1 ROOM    258.064516
3  1990   AMK   1 ROOM    193.548387
4  1990   AMK   3 ROOM    646.575342
5  1990   AMK   3 ROOM    686.567164
year        object
town        object
type        object
price/sqm   float64
dtype: object

df1.dtypes：

month               object
town                object
type                object
block               object
street_name         object
storey_range        object
floor_area_sqm      float64
flat_model          object
lease_commence_date int64
resale_price        int64
dtype:       object

Answer 1

我认为这对您有用，因为您可以根据数据框的索引来转换结果

FP['avg_price/sqm'] = FP.groupby(['year', 'town', 'type'])['price/sqm'].transform(lambda x:x.mean())

Answer 2

你可以使用：

FP['avg_price/sqm'] = FP.groupby(['year', 'town', 'type'])['price/sqm'].mean()

和：

gdp['yearly_gdp'] = gdp.groupby(['year'])['value'].sum()

您不需要使用aggregate 或transform

如果price/sqm 是浮点数，只需使用以下方法对其进行转换：

FP['price/sqm'].astype(float)

希望它能解决你的问题。