熊猫：当列包含numpy数组时聚合

熊猫：当列包含numpy数组时聚合

一种可能更笨拙的方法是遍历

GroupBy

对象（它会生成

(grouping_value,df_subgroup)

元组。例如，要在此处实现所需的功能，可以执行以下 *** 作：

grouped = DF.groupby("category")aggregate = list((k, v["arraydata"].sum()) for k, v in grouped)new_df = pd.Dataframe(aggregate, columns=["category", "arraydata"]).set_index("category")

无论如何，这与大熊猫在幕后所做的非常相似[groupby，然后进行一些聚合，然后再合并]，因此您并没有真正失去很多。

---

深入了解内部

这里的问题是，pandas正在明确检查输出是否 不是
an，

ndarray

因为它想要智能地重塑数组，如您在此片段中所看到的那样

_aggregate_named

，即发生错误的地方。

def _aggregate_named(self, func, *args, **kwargs):    result = {}    for name, group in self:        group.name = name        output = func(group, *args, **kwargs)        if isinstance(output, np.ndarray): raise Exception('Must produce aggregated value')        result[name] = self._try_cast(output, group)    return result

我的猜测是，发生这种情况是因为

groupby

已明确设置为尝试智能地将具有相同索引的Dataframe重新组合在一起，并且所有内容都很好地对齐了。由于这样的Dataframe中很少有嵌套数组，因此它会检查ndarray以确保您实际上正在使用聚合函数。在我的直觉中，这似乎是的工作

Panel

，但是我不确定如何完美地进行转换。顺便说一句，您可以通过将输出转换为列表来避免此问题，如下所示：

DF.groupby("category").agg({"arraydata": lambda x: list(x.sum())})

熊猫没有抱怨，因为现在您有了一个Python对象数组。[但这实际上只是在类型检查中作弊]。如果要转换回数组，只需对其应用

np.array

即可。

result = DF.groupby("category").agg({"arraydata": lambda x: list(x.sum())})result["arraydata"] = result["arraydata"].apply(np.array)

实际上，您要如何解决此问题取决于您 为什么
拥有的列

ndarray

以及是否要同时聚合其他任何内容。也就是说，您可以随时

GroupBy

像上面显示的那样进行迭代。