将 pandas pivot_table 与 Interval 列一起使用会导致 TypeError答案

【问题标题】：Using pandas pivot_table with Interval columns results in TypeError将 pandas pivot_table 与 Interval 列一起使用会导致 TypeError
【发布时间】：2019-06-19 12:43:20
【问题描述】：

      cat1             cat2                       col_a             col_b
0    (34.0, 38.0]    (15.9, 47.0]             29               10
1    (34.0, 38.0]    (15.9, 47.0]             37               22
2    (28.0, 34.0]    (47.0, 56.0]              3               13
3    (34.0, 38.0]    (47.0, 56.0]             15                7
4    (28.0, 34.0]    (56.0, 67.0]             42               20
5    (28.0, 34.0]    (47.0, 56.0]             31               23
6    (28.0, 34.0]    (56.0, 67.0]             26               17
7    (28.0, 34.0]    (56.0, 67.0]              7                1
8    (28.0, 34.0]    (56.0, 67.0]             36               19
9    (19.0, 28.0]    (56.0, 67.0]              5                7
10   (19.0, 28.0]    (56.0, 67.0]             21                5
11   (28.0, 34.0]    (67.0, 84.0]             37               13

在上面的数据框中，我想用 pandas 做这个数据透视表操作

pd.pivot_table(df, index='cat1', columns='cat2', values='col_a')

但我得到了错误：

TypeError: Cannot cast array data from dtype('float64') to dtype('<U32') according to the rule 'safe'

col_a 和 col_b 都是 int32 类型，cat1 和 cat2 都是分类类型。我该如何摆脱这个错误？

【问题讨论】：

不确定我在看什么。您的列 cat1 和 cat2 是字符串类型吗？因为它们是由(和]分隔的，所以它们不是元组或列表。
如果可以，您可以将所有内容转换为string，然后在pivot_table 之后重新转换为int。可能不是最好的解决方案，但无法重现您的错误
您能提供 DataFrame 或 csv 的定义吗？
您预期的旋转输出会是什么样子？因为 'cat1' 和 'cat2' 不是唯一的 - 并且您没有指定要在 'col_a' 上执行的任何聚合函数
鉴于您没有指定 aggfunc，默认假定为“mean”。

标签： python pandas dataframe pivot-table

【解决方案1】：

这是一个与作为间隔的旋转列相关的错误（请参阅GH25814），将在 v0.25 中修复。也可以使用crosstab查看这个相关问题：Pandas crosstab on CategoricalDType columns throws TypeError

同时，这里有一些选项。要进行聚合，您必须使用 pivot_table 并将分类列转换为字符串，然后再进行透视。

df2 = df.assign(cat1=df['cat1'].astype(str), cat2=df['cat2'].astype(str))
# to aggregate by taking the mean of col_a
df2.pivot_table(index='cat1', columns='cat2', values='col_a', aggfunc='mean')

这里需要注意的是，您失去了索引和列作为间隔的好处。

另一种选择是以分类代码为中心，然后重新分配类别：

df2 = df.assign(cat1=df['cat1'].cat.codes, cat2=df['cat2'].cat.codes)
pivot = df2.pivot_table(
    index='cat1', columns='cat2', values='col_a', aggfunc='mean')

pivot.index = df['cat1'].cat.categories
pivot.columns = df['cat2'].cat.categories

此分配将起作用，因为 pivot_table 预先对区间进行了排序。

最小代码示例

import pandas as pd
import numpy as np

np.random.seed(0)

df = pd.DataFrame({
    'cat1': np.random.choice(100, 10), 
    'cat2': np.random.choice(100, 10), 
    'col_a': np.random.randint(1, 50, 10)})

df['cat1'] = pd.cut(df['cat1'], bins=np.arange(0, 101, 10))
df['cat2'] = pd.cut(df['cat2'], bins=np.arange(0, 101, 10))

df
          A         B   C
0  (40, 50]  (60, 70]  18
1  (40, 50]  (80, 90]  38
2  (60, 70]  (80, 90]  26
3  (60, 70]  (10, 20]  14
4  (60, 70]  (50, 60]   9
5   (0, 10]  (60, 70]  10
6  (80, 90]  (30, 40]  21
7  (20, 30]  (80, 90]  17
8  (30, 40]  (40, 50]   6
9  (80, 90]  (80, 90]  16

(df.assign(cat1=df['cat1'].astype(str), cat2=df['cat2'].astype(str))
   .pivot_table(index='cat1', columns='cat2', values='col_a', aggfunc='mean'))

cat2      (10, 20]  (30, 40]  (40, 50]  (50, 60]  (60, 70]  (80, 90]
cat1                                                                
(0, 10]        NaN       NaN       NaN       NaN      10.0       NaN
(20, 30]       NaN       NaN       NaN       NaN       NaN      17.0
(30, 40]       NaN       NaN       6.0       NaN       NaN       NaN
(40, 50]       NaN       NaN       NaN       NaN      18.0      38.0
(60, 70]      14.0       NaN       NaN       9.0       NaN      26.0
(80, 90]       NaN      21.0       NaN       NaN       NaN      16.0

【讨论】：