混合使用列的聚合 - 熊猫

Question

我有一个 pandas 数据框，其中包含 FEATURE 和 FEATURE_VALUE 两个对象列，分别代表功能的名称和功能的值。虽然 FEATURE_VALUE 是一个对象列，但实际上它包含类型 int、float 和 str。我想根据 FEATURE 对 FEATURE_VALUE 进行聚合，但是 str 格式的 int 和 float 值的行为与 int 和 float 格式的行为不同。我想知道是否有一种方法可以编写一个 labmda 函数或一个函数，该函数可以在聚合时根据 FEATURE 的值将 FEATURE_VALUE 的值转换为浮点数，而不是必须先生成单独转换的列。 在下面的示例中，A 和 C 的 FEATURE 值具有数值，而 FEATURE B 具有字符串值。

import pandas as pd
d = {'FEATURE': ['A', 'B', 'A', 'A', 'B', 'C', 'C'], 'FEATURE_VALUE': ['9', 'A', '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，对 FEATURE_VALUE 使用正常的最小/最大聚合不起作用，因为 '100' > '9' 为假 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？

Answer 1

试试：

首先利用pd.to_numeric()将字符串数值变成实际数值：

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

最后使用groupby()+agg()（带有命名元组）：

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