数据错误在大熊猫数据框中使用功能和GROUPBY工会串
问题描述:
,我有以下结构的数据帧:数据错误在大熊猫数据框中使用功能和GROUPBY工会串
是myDF:
Entry Address ShortOrdDesc
0 988 Fake Address 1 SC_M_W_3_1
1 989 Fake Address 2 SC_M_W_3_3
2 992 Fake Address 3 nan_2
3 992 SC_M_G_1_1
4 992 SC_M_O_1_1
有要在此完成的工作df,可以以行有机结合起来相同的条目。对于这些只有第一行有地址。我需要连接ShortOrdDesc列和地址。我发现这是一个非常有用的链接:这是使用
myobj = ordersToprint.groupby('Entry').apply(f)
这将返回错误应用
def f(x):
return pd.Series(dict(A = x['Entry'].sum(),
B = x['Address'].sum(),
C = "%s" % '; '.join(x['ShortOrdDesc'])))
:
Pandas groupby: How to get a union of strings
从这个工作我已经开发了以下功能:
TypeError: must be str, not int
看看我的数据,我没有看到问题是什么,因为对'Entry'的整数运行.sum()应该工作,我相信。
我的代码或我的方法有什么错误?
答
我觉得有些栏是数字,需要string
。
因此,使用astype
,如果需要删除NaN
的add dropna
:
def f(x):
return pd.Series(dict(A = x['Entry'].sum(),
B = ''.join(x['Address'].dropna().astype(str)),
C = '; '.join(x['ShortOrdDesc'].astype(str))))
myobj = ordersToprint.groupby('Entry').apply(f)
print (myobj)
A B C
Entry
988 988 Fake Address 1 SC_M_W_3_1
989 989 Fake Address 2 SC_M_W_3_3
992 2976 Fake Address 3 nan_2; SC_M_G_1_1; SC_M_O_1_1
另一种解决方案与agg
,但随后有必要重新命名列:
f = {'Entry':'sum',
'Address' : lambda x: ''.join(x.dropna().astype(str)),
'ShortOrdDesc' : lambda x: '; '.join(x.astype(str))}
cols = {'Entry':'A','Address':'B','ShortOrdDesc':'C'}
myobj = ordersToprint.groupby('Entry').agg(f).rename(columns=cols)[['A','B','C']]
print (myobj)
A B C
Entry
988 988 Fake Address 1 SC_M_W_3_1
989 989 Fake Address 2 SC_M_W_3_3
992 2976 Fake Address 3 nan_2; SC_M_G_1_1; SC_M_O_1_1