“SeriesGroupBy”对象没有属性“_aggregate_item_by_item”
"SeriesGroupBy"对象是Pandas库中的一个对象，用于对Series数据进行分组操作。该对象没有属性"_aggregate_item_by_item"。
在Pandas中，Series是一维带标签的数组，可以包含任意类型的数据。SeriesGroupBy对象可以通过将数据按照指定的条件进行分组，然后对每个组进行聚合操作。
属性"_aggregate_item_by_item"在Pandas中并不存在，可能是一个错误的属性引用。如果要对SeriesGroupBy对象进行聚合操作，可以使用其他属性和方法，如"mean()"、"sum()"、"count()"等，具体根据需求进行选择。
关于SeriesGroupBy对象的更多信息，你可以参考腾讯云的Pandas产品介绍文档：Pandas产品介绍。
相关·内容
我正试图通过分组产品(P5PN)来构建一个SNS图。但是它抛出了一个错误"'SeriesGroupBy‘对象没有属性’error‘“
浏览 14提问于2022-03-30得票数 1
我想检索两个groupby序列对象并相互计算。 下面的系列对象： Cost
ID yy
312 13 102429.610000
361 15 170526.000000
373 14 400000.000000
403 13 165000.000000
14 165000.000000
15 183558.720000
16 133763.760980
17 121301.930160
Percent
浏览 49提问于2018-02-01得票数 1
回答已采纳
我需要调整一个现有函数，该函数实质上执行一个Series.str.contains并返回结果的Series，以便能够将SeriesGroupBy作为输入处理。
根据熊猫错误信息的建议
无法访问“SeriesGroupBy”对象的属性“str”，请尝试使用“应用”方法
我尝试在apply()对象上使用SeriesGroupBy，这在某种程度上是工作的，但会导致Series对象。现在，我想对这个Series应用与以前相同的分组。
原始函数
def contains(series, expression):
return series.str.contains(expression)
浏览 1提问于2019-08-26得票数 1
回答已采纳
我不明白这个函数是做什么用的。下面是代码上下文：
#group outcomes into bins of similar probability
bins = np.linspace(0, 1, 20)
cuts = pd.cut(prob, bins)
print(cuts)
binwidth = bins[1] - bins[0]
#freshness ratio and number of examples in each bin
cal = data.groupby(cuts).outcome.agg(['mean&#
浏览 5提问于2017-01-28得票数 0
我有一个40列400000行的pandas数据帧。我创建了一个包含3列的汇总数据集。
现在，我需要根据其中两列计算%度量。Python抛出一个错误-
unsupported operand type(s) for /: 'SeriesGroupBy' and 'SeriesGroupBy'
以下是示例代码：
print sample_data
date part receipt bad_dollars total_dollars bad_percent
0 1 123 22 40
浏览 1提问于2016-07-13得票数 2
这个没有一个令人满意的答案，所以我再问一次。
假设我有以下Pandas DataFrame：
df1 = pd.DataFrame({'group': ['a', 'a', 'b', 'b'], 'values': [1, 1, 2, 2]})
我按第一栏“组”分组：
g1 = df1.groupby('group')
我现在已经创建了一个"DataFrameGroupBy".然后从GroupBy对象中提取第一列：
g1_1st_column = g1['gr
浏览 1提问于2018-03-20得票数 10
回答已采纳
我有代码： if df1.groupby(["id", "Date"])['Rank'] > df2.groupby(["id", "Date"])['Rank']:
df1 = df1[(df1['Type' == 'A'])]
df2 = df2[(df2['Type' == 'D'])]
else:
df1 = df1[(df1['Type' == 'D'])]
浏览 11提问于2021-11-03得票数 0
我有一个数据帧，我应用了groupby方法。现在我有了一个pandas.core.groupby.SeriesGroupBy，但是我不能在它上面使用任何数据帧方法。如何将其转换为可用的数据帧？
type(survivor)
pandas.core.groupby.SeriesGroupBy
通过应用.groups，它看起来像这样：
{'C': Int64Index([ 1, 9, 19, 26, 30, 31, 34, 36, 39, 42,
847, 849, 852, 858, 859, 866, 874, 875, 879, 889
浏览 0提问于2017-10-18得票数 1
我有一个带有几个列的dataframe，我正在过滤这些列，希望使用输出来进一步过滤另一个数据。最后，我希望将group对象转换为一个列表，以进一步过滤另一个数据格式，但我很难将SeriesGroupBy对象转换为一个值列表。我正在使用：
id_list = df[df['date_diff'] == pd.Timedelta('0 days')].groupby('id')['id'].tolist()
我尝试过在reset_index()、to_frame()和.values之前使用to_list()，但没有结果。
错误是：&#
浏览 3提问于2021-08-14得票数 0
回答已采纳
现在，我必须在dataframe_one上进行计算，然后在dataframe_two上创建一个新列并填充结果。dataframe_one是多索引的，而第二个不是，但是有一些列与dataframe_one中的索引相匹配。
这就是我目前正在做的:将pandas作为pd导入numpy作为np
dataframe_two = {}
dataframe_two['project_id'] = [1, 2]
dataframe_two['scenario'] = ['hgh', 'low']
dataframe_two = pd.DataFr
浏览 1提问于2013-11-14得票数 1
我们可以检查pandas.core.groupby.SeriesGroupBy对象中的数据吗？
浏览 0提问于2016-11-16得票数 11
我对编程很陌生，蟒蛇和熊猫。我试图弄清为什么这段代码会给出正确的结果：
原始DF：
df_cat = df_cat.groupby(['cardio','variable'])['value'].value_counts().to_frame().rename(columns={'value': 'total'}).reset_index()
这个返回错误：
df_cat = df_cat.groupby(['cardio','variable'], as_index=Fa
浏览 2提问于2021-02-22得票数 1
我有以下数据：
id number
1 13
1 13
1 NaN
1 NaN
2 11
2 11
2 11
2 NaN
我希望找到每个id的第一个非NaN值，并将其标记为1。
id number code
1 13 NaN
1 13 1
1 NaN NaN
1 NaN NaN
2 11 NaN
2 11 NaN
2 11
浏览 1提问于2018-02-04得票数 2
回答已采纳
我应该使用什么来将匹配字段(由两个键匹配)追加到同一行中而不是在单独的行中？我对groupby()函数有些熟悉，但我不知道如何处理字符串或数字(上面的答案似乎只适用于整数)。当我尝试聚合函数时，我会收到一个关于'SeriesGroupBy‘没有属性'IP地址’或'Hostname‘的错误，我仍然在使用它来查看它是否是解决方案。
我想把这些数据：
host ip user
nom1 10.41.3.2 Kelly
nom1 10.41.3.3 Kate
nom2 10.5.5.5 Mary
nom3
浏览 3提问于2016-12-16得票数 2
回答已采纳
我的TQDM == 4.33.0熊猫== 1.0.3我面临tqdm熊猫支持的问题
tqdm.pandas()
每当我试图运行上面的代码时，我都会得到这个错误。是否存在兼容性问题。我想使用tqdm的应用函数。有替代吗？
ImportError Traceback (most recent call last)
C:\ProgramData\Anaconda3\lib\site-packages\tqdm\_tqdm.py in pandas(tclass, *targs, **tkwargs)
612
浏览 1提问于2020-04-11得票数 3
回答已采纳
2回答
我希望根据某个值是否在另一列中进行筛选。但是，在应用isin过滤器之前，需要对此数据进行分组。当我这样做时，我会得到错误。
'SeriesGroupBy' object has no attribute 'isin'
解释我想做的事情的例子：
import pandas as pd
dict = {'AttributeName': {0: 'John', 1: 'John', 2: 'John', 3: 'John', 4: 'Sally', 5: 'Sa
浏览 3提问于2021-12-01得票数 1
回答已采纳
我有一个"pandas.core.groupby.generic.SeriesGroupBy“类型的变量，它是通过对pandas数据帧的各个字段进行分组而获得的。但是，我想把这个变量转换成一个pandas序列，它是有效的，但有很多错误。 下面是我尝试过的代码： w = data.groupby(['dt', 'b'])['w']
w = pd.Series(w) 当我尝试运行这段代码时，它花费了很多时间来执行，同时也产生了很多错误。 我得到一个熊猫系列，如下所示： ? 但是，我期待的是类似这样的东西： ? 是否有其他方法可以将Dat
浏览 155提问于2020-04-17得票数 1
回答已采纳
1回答
假设我们有一张顾客和他们的消费表。
import pandas as pd
df = pd.DataFrame({
"Name": ["Alice", "Bob", "Bob", "Charles"],
"Spend": [3, 5, 7, 9]
})
LIMIT = 6
对于每个客户，我们可以使用apply方法计算大于6的支出的比例：
df.groupby("Name").apply(
lambda grp: len(grp[grp["Spend&
浏览 0提问于2018-12-09得票数 2
回答已采纳
df Person Mul col
A 0
B 1
B 1
A 0 我想在Person上分组，并使用groupby找到Mul的乘法。 已尝试： df.groupby('Person')['Mul col'].mul() 错误 AttributeError:无法访问“”SeriesGroupBy“”对象的可调用属性“”mul“”，请尝试使用“”apply“”方法
浏览 9提问于2020-01-21得票数 0
回答已采纳
3回答
我正在尝试使用python dataframe中的两列计算加权和。
Dataframe结构：
unique_id weight value
1 0.061042375 20.16094523
1 0.3064548 19.50932003
1 0.008310739 18.76469039
1 0.624192086 21.25
2 0.061042375 20.23776924
2 0
浏览 8提问于2019-11-27得票数 3
回答已采纳
我想使用dask 2.14扩展我在熊猫数据帧上所做的一些操作。例如，我想对数据帧的一列应用移位：
import dask.dataframe as dd
data = dd.read_csv('some_file.csv')
data.set_index('column_A')
data['column_B'] = data.groupby(['column_A'])['column_B'].shift(-1)
但是我得到了AttributeError: 'SeriesGroupBy' object
浏览 7提问于2020-05-05得票数 5
回答已采纳
我似乎无法打印以下行：summarydata["Name"].groupby(["Tag"]).size()
不会得到错误：
File "C:\Users\rspatel\untitled0.py", line 76, in <module>
print(summarydata["Name"].groupby(["Tag"]).size())
File "C:\Users\rspatel\Anaconda3\lib\site-packages\pandas\core\serie
浏览 0提问于2021-09-20得票数 2
我有一个包含2列的dataframe，并且我对每一列应用'groupby‘。现在我想要获得'Sum'，‘Maximum’和‘Minimum’的聚合值，使用：
df.groupby(["Column1"]).agg(
{"Column2": ["sum","max","Mean", lambda x : x.max() - x.min()]}
)
给出的错误为：
AttributeError：“SeriesGroupBy”对象没有属性“”Mean“”
应用groupby()函数
df
浏览 1提问于2019-08-10得票数 0
我有一个现有的Pandas数据框架，我想按照以下模式操作它：
现有表在“代码”列中有不同的代码集。每个“代码”都有列“标签”中列出的特定标签。每个标签都被标记为0或1。
我需要为每组“代码”添加值为0或1的“new_column”，具体取决于以下条件：
只有当特定“代码”的所有“标签”值等于“new_column”列中的1时，才填写“标记”1。注意，我需要为属于该特定“代码”的所有行填写1。
如所需的表所示，只有code=30在'tag‘列中设置了所有'label’= 1，因此我为该特定代码设置了'new_column‘=1。其余代码已设置为0值。
现有表格：
c
浏览 0提问于2019-07-07得票数 3
回答已采纳
1回答
Python获取时间差
、、、、
我正在Pandas中的dataframe中工作，我必须获得与日期时间的时间差，该时间差按标识符分组。这是数据文件
Identifier datetime
0 AL011851 00:00:00
1 AL011851 06:00:00
2 Al011851 12:00:00
当我运行这段代码时
hurricane_df = hurricane_df.groupby('identifier&
浏览 0提问于2018-12-09得票数 1
回答已采纳
我创建了一个按员工id和他们在每个week工作的总小时数分组的数据框total_hours id week duration
4 35 7.000000
36 2.000000
... ...
40 5.000000 如何将结果转换为以下格式？ id 35 36 37 38 39 40
4 7.0 2.0 7.0 2.0 4.0 5.0 我尝试过total_hours.T，但这对SeriesGroupBy无效。
浏览 17提问于2019-09-25得票数 2
回答已采纳
我有以下代码： group = df.groupby(['Id', 'Name'])
conditions = [
((group["Balance"]>0) & (group['Value']>0) & (group['L_Date']<=group['c_date'])),
((group["Balance"]==0) & (group['Value']==0) & (group['L_
浏览 23提问于2019-10-11得票数 2
回答已采纳
我希望将df.groupby(pd.TimeGrouper(freq='M')).sum()包装在一个函数中，以便我可以将sum()、mean()或count()赋值为该函数中的参数。前面我也问过一个类似的问题，但是我认为在这个特殊的情况下我不能使用同样的技术。
这里是一个具有可重复输入的片段：
# Imports
import pandas as pd
import numpy as np
# Dataframe with 1 or zero
# 100 rows and 4 columns
# Indexed by dates
np.random.seed(1234567
浏览 1提问于2017-08-08得票数 6
回答已采纳
我有一个DataFrame df1：
df1.head() =
id ret eff
1469 2300 -0.010879 4480.0
328 2300 -0.000692 -4074.0
1376 2300 -0.009551 4350.0
2110 2300 -0.014013 5335.0
849 2300 -0.286490 -9460.0
我想创建一个新列，其中包含列df1['eff']的规格化值。
换句话说，我希望将df1['eff']按df
浏览 0提问于2016-07-01得票数 2
回答已采纳
1回答
我可以用“均值”和“中位数”和“群”来表示这一行：
newdf.groupby('dropoff_site')['load_weight'].mean()
newdf.groupby('dropoff_site')['load_weight'].median()
但是当我用它做这样的模式时：
newdf.groupby('dropoff_site')['load_weight'].mode()
弹出一个错误：“SeriesGroupBy”对象没有属性“模式”
我该怎么办？
更新:来自我使用了
sou
浏览 7提问于2022-10-13得票数 0
1回答
我正在聚合包含数据的数据，使用pd.Grouper对数据进行均匀采样，对数据进行分组，然后应用函数。在内部，一旦按时间定义了一个组(假设组为1秒)，则连续组将在随后的秒开始，没有重叠。
假设数据是以下表：
| time | col1 |
|:----:|:----:|
| 0.0s | 0.15 |
| 0.1s | 0.21 |
| 0.2s | 0.05 |
| ... | ... |
然后，我使用这个dataframe将数据聚合到groupby，并将石斑鱼聚合到1秒内：
grouped = df.groupby([pd.Grouper(level=df.time, freq='
浏览 7提问于2022-09-23得票数 0
2回答
我想筛选列a中所有值都是nan的名称。
这就是我试过的
full.groupby('name')['opp'].isna().any(1)
但是，这将返回错误消息：
AttributeError: Cannot access callable attribute 'isna' of 'SeriesGroupBy' objects, try using the 'apply' method
这是我的数据样本
name opp
f nan
f
浏览 1提问于2019-12-02得票数 1
回答已采纳
2回答
我正在尝试使用Python获取csv列中唯一项的计数。
示例CSV文件(没有标头)：
AB,asd
AB,poi
AB,asd
BG,put
BG,asd
到目前为止，我已经尝试过了。
import csv
from collections import defaultdict, Counter
input_file = open('Results/1_sample.csv')
csv_reader = csv.reader(input_file, delimiter=',')
data = defaultdict(list)
for row in csv_
浏览 0提问于2015-04-15得票数 5
回答已采纳
我从DataFrame创建了一个pandas.core.groupby.generic.SeriesGroupBy对象，如下所示： df = pd.DataFrame(np.arange(16).reshape((4,4)), columns=list('ABCD'))
gobj = df['B'].groupby(df['A']) 我知道如何从gobj检索列名(gobj._selection_name返回'B')，但我不知道如何检索索引名(即'A')。是否可以从gobj访问/检索该文件
浏览 16提问于2020-08-22得票数 1
回答已采纳
1回答
我的原始数据帧类似于下面的数据帧： df= pd.DataFrame({'Variation' : ['A']*5 + ['B']*3 + ['A']*4,
'id': [11]*4 + [12] + [15]*2 + [17] + [20]*4,
'steps' : ['start','step1','step2','end','end',
浏览 22提问于2020-08-15得票数 1
回答已采纳
1回答
熊猫-计算小组的天数
、、、
我想按2列计算分组后的天数：
groups = df.groupby([df.col1,df.col2])
现在我想数一数每一组相关的天数：
result = groups['date_time'].dt.date.nunique()
当我想每天进行分组时，我使用的是类似的东西，但是在这里我得到了一个错误：
AttributeError:无法访问“SeriesGroupBy”对象的属性'dt‘，请尝试使用'apply’方法
获得天数的正确方法是什么？
浏览 1提问于2017-03-20得票数 2
回答已采纳
0回答
我尝试从数据帧计算特定的分位数值，如下面的代码所示。在单独的行中计算时没有问题。
当尝试运行最后两行时，我得到以下错误：
AttributeError: 'SeriesGroupBy' object has no attribute 'quantile(0.25)'
我该如何解决这个问题呢？
import pandas as pd
df = pd.DataFrame(
{
'x': [0, 1, 0, 1, 0, 1, 0, 1],
'y': [7, 6, 5, 4, 3, 2, 1, 0]
浏览 28提问于2017-12-05得票数 19
回答已采纳
我有需要按平均值或中位数分组的数据。我想为此编写一个函数。这就是我到目前为止所尝试的 def clean(data, met = np.mean):
data_grouped = data.groupby(['zipcode','neighbourhood'], as_index=False).met()[['zipcode', 'neighbourhood','revenue']]
return data_grouped 这将抛出一个错误 AttributeError: 'DataFrameGr
浏览 8提问于2019-03-16得票数 0
回答已采纳
1回答
我有一个分组字符串的df，如下所示： chat_type message
Account My Account is missing money
Account I need to update my account
Benefits My benefits suck
Benefits Where is my benefit check 期望输出 chat_type message
Account My Account is missing money I ne
浏览 6提问于2018-12-22得票数 1
回答已采纳
我有这样的数据：
df:
Score
group
A 100
A 34
A 40
A 30
C 24
C 60
C 35
对于数据中的每一组，我想找出分数35的百分位数。(即35符合分组数据的百分位数)
我试过不同的把戏，但都没有用。
scipy.stats.percentileofscore(df['Score], 35, kind='weak')
--> This is working but this doesn't give me t
浏览 7提问于2022-09-27得票数 1
回答已采纳
平均利差的打印出来分组和计算正确。为什么在0x00000000000484A588处以std_deviation列的结果返回这个值，而不是按滴答键分组的价差的标准差？：pandas.core.groupby.SeriesGroupBy对象
df = pd.read_csv('C:\\Users\\William\\Desktop\\tickdata.csv',
dtype={'ticker': str, 'bidPrice': np.float64, 'askPrice': np.flo
浏览 1提问于2016-06-17得票数 1
回答已采纳
我在Pandas有一个数据帧，它显示了一个城市/州的男性所占的百分比。数据帧df如下所示(请注意，这不是我的实际使用情况/数据，但我的数据类型类似) STATE CITY PERC_MEN
ALABAMA ABBEVILLE 41.3%
ALABAMA ADAMSVILLE 53.5%
....
WYOMING WRIGHT 46.6% 每个State/percentage of men组合将恰好返回一个值。 如何显示给定州的城市/人口值？我的代码如下所示(我需要按STATE分组的第一行，因为我对数据做了其他事情) for state
浏览 4提问于2021-09-08得票数 0
我有一个pandas数据框架，我想要计算每个集群的中位数绝对偏差。我假设pandas方法mad是中位数绝对偏差，但它似乎是平均绝对偏差。我所写的代码行是 df['MAD PPGamp'] = df.groupby('Cluster')['PPGamp'].transform('mad') 我试着写一个我自己的小函数来计算中位数绝对偏差 def myMAD(x):
med = np.median(x)
x = abs(x-med)
MAD = np.median(x)
return MAD 并将
浏览 61提问于2020-04-26得票数 4
1回答
我有以下数据集：
location category percent
A 5 100.0
B 3 100.0
C 2 50.0
4 13.0
D 2 75.0
3 59.0
4 13.0
5 4.0
我正在试着得到数据类别中按位置分组的最大的项目。也就是说，如果我想要每组最
浏览 0提问于2017-11-10得票数 7
回答已采纳
我尝试将用户定义的函数pct传递给Pandas的agg方法，如果我只传递该函数，但当我使用字典格式定义函数时，它不起作用。有人知道为什么吗？
import pandas as pd
df = pd.DataFrame([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]],
columns=['A', 'B', 'C'])
pct = lambda x: len(x)/len(df)
df.groupby('
浏览 2提问于2018-10-04得票数 12
回答已采纳
1回答
我正在读电影的用户数据。我想按性别划分年龄和职业(分为两个不同的地区)。但我知道这个错误：
user_df.groupby(['gender'])['age'].unstack().plot.bar()
AttributeError:无法访问“SeriesGroupBy”对象的可调用属性‘un堆栈’，请尝试使用'apply‘方法
我希望这个图类似于中的示例--数据格式如下：
user_id age gender occupation zipcode
0 1 24 M technician 85711
1 2 53 F o
浏览 3提问于2020-01-20得票数 0
回答已采纳
我正在学习潘达斯，并与更简单的东西做斗争。
最终，我希望我的代码只返回‘橘子’，因为is在列颜色中出现的值最多。
我的索引目前是x列。
X FRUIT COLOR
10 apples green
10 apples red
10 oranges green
10 oranges orange
10 oranges yellow
10 bananas yellow
10 bananas green
我似乎总是返回一个键值对或只返回.count()数字，而且似乎不能从聚合结果中只提取结果列的值。
下面是我尝试解决它的一个代码示例--我已经尝试过很多次了，但这是最新的一个
浏览 0提问于2016-12-09得票数 1
回答已采纳
我正在尝试使用Plotly创建一个盒图，并且在尝试使用已分组的Pandas DataFrame时会出现一个错误。一些初始挖掘产生了这段代码来将Pandas转换为Plotly接口：
def df_to_iplot(df):
'''
Coverting a Pandas Data Frame to Plotly interface
'''
x = df.index.values
lines={}
for key in df:
lines[key]={}
lines[key]["x"]=x
lines[key]
浏览 0提问于2014-05-27得票数 1
回答已采纳
1回答
我正在做一个ML项目。在对数据进行预处理之后，我需要进行特征提取。在我的数据集中，我有25个类(数据集中的字母表)，每个类有20个主题(我得到字母表的次数)。使用函数groupby()，它们(25*20 = 500)都具有相同的大小(1000)。我想通过calculate maccs列平均值将1000个采样点压缩为50个采样点。 我的数据集如下所示： ? 这就是我所尝试的，但它不起作用。它给出了一个'SeriesGroupBy‘对象没有属性'iloc’错误。 for i in np.arange(211, 890, 20):
new_dataset = new_d
浏览 79提问于2021-01-30得票数 0
3回答
按列抽样分组数据
、、
我有一个dataframe，我将其分组如下，并将某些操作应用于特定的列：
df = df.groupby(['A', 'B', 'C']).agg({'ID': 'count', 'AMT': 'sum'})
对于每个groupby组合(~15)，我希望对属于每个组合的行进行随机采样，并返回一个示例ID并在第三个输出列中报告它。或者，我真的只想让这个组合中的行中的一个is出现在表中，我不在乎它是否是“随机的”。
我尝试了以下几点：
df = df.groupby(['A&
浏览 4提问于2017-03-27得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
