Pandas `agg` to list，"AttributeError / ValueError: Function not reduce“
Pandas是一个开源的数据分析和数据处理库，提供了丰富的数据结构和数据操作功能。agg是Pandas中的一个函数，用于对数据进行聚合操作。当我们使用agg函数时，有时可能会遇到"AttributeError"或"ValueError"的错误，具体错误信息可能是"Function not reduce"。
这个错误通常是由于agg函数的使用方式不正确导致的。agg函数需要传入一个聚合函数或一个函数列表，并且这些函数必须是可以进行聚合操作的函数。如果传入的函数无法进行聚合操作，就会出现"Function not reduce"的错误。
解决这个错误的方法是确保传入的函数是可以进行聚合操作的。常见的聚合函数包括sum、mean、max、min等。另外，还可以自定义函数进行聚合操作。需要注意的是，自定义函数必须满足一定的条件，例如函数的输入是一个Series或DataFrame，输出是一个标量值。
以下是一个示例代码，展示了如何正确使用agg函数：
import pandas as pd
# 创建一个DataFrame
data = {'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)
# 使用agg函数对列A进行聚合操作
result = df['A'].agg(['sum', 'mean', 'max'])
print(result)在上述示例中，我们创建了一个包含两列的DataFrame，并使用agg函数对列A进行了求和、平均值和最大值的聚合操作。最终的结果会打印出来。
对于Pandas的agg函数，腾讯云并没有提供特定的相关产品或产品介绍链接地址。但是，腾讯云提供了云计算相关的产品和服务，例如云服务器、云数据库、云存储等，可以帮助用户进行数据处理和分析。您可以访问腾讯云的官方网站，了解更多关于这些产品的详细信息。
相关·内容
通常，当我们使用pandas执行groupby操作时，我们可能希望跨多个系列应用多个函数。
似乎是执行这些分组和计算的自然方法。
但是，在groupby.agg和groupby.apply的实现方式之间似乎存在差异，因为我不能使用agg对列表进行分组。元组和集合可以很好地工作，这表明你只能通过agg聚合到不可变的类型。通过groupby.apply，我可以将一个系列直接聚合到一个列表中，而不会出现任何问题。
下面是一个完整的例子。函数(1)、(2)、(3)已成功完成。(4)带着# ValueError: Function does not reduce回来。
import pandas as
浏览 29提问于2018-02-22得票数 2
回答已采纳
假设您有下面的Pandas DataFrame，df，4列和10行。这是一个MWE：
data = {'age': [39, 50, 38, 53, 28, 37, 49, 52, 31, 42],
'education-num': [13, 13, 9, 7, 13, 14, 5, 9, 14, 13],
'workclass': ['State-gov', 'Self-emp-not-inc', 'Private', 'Private'
浏览 3提问于2021-06-22得票数 2
我从以前的员工那里继承了这段代码，我试图运行这段代码，但是我得到了一个错误。
def replaceitem(x):
if x in ['ORION', 'ACTION', 'ICE', 'IRIS', 'FOCUS']:
return 'CRM Application'
else:
return x
def clean_list(row):
new_list = sorted(set(row['APLN_NM']),
浏览 10提问于2022-11-24得票数 0
回答已采纳
2回答
我有一个DataFrame，它是通过以下几个组创建的：
agg_df = df.groupby(['X', 'Y', 'Z']).agg({
'amount':np.sum,
'ID': pd.Series.unique,
})
在对agg_df应用了一些筛选之后，我想连接这些ID
agg_df = agg_df.groupby(['X', 'Y']).agg({ # Z is not in in groupby now
'amount':np
浏览 1提问于2015-09-16得票数 12
1回答
运行此程序时：
import pandas as pd
df = pd.DataFrame(dict(x=[1, 1, 2, 2, 3, 3], group=["a", "a", "a", "a", "b", "b"]))
df.groupby(["group"]).agg({
"x": [pd.Series.mode, "sum"]
})
返回此错误：
ValueError Tr
浏览 9提问于2022-08-31得票数 0
回答已采纳
1回答
我有一本像这样的字典：
d = {1:0, 2:0, 3:1, 4:0, 5:2, 6:1, 7:2, 8:0}
我想按.keys()进行分组，比如我得到的：
pandas_ordered = { 0:[1,2,4,8], 1:[3,6], 2:[5,7] }
但是有了这个命令
pd.Series(list(d.values())).groupby(list(partition.keys())).to_dict()
贝娄就是一个例子：
# Example:
import pandas as pd
d = {1:0, 2:0, 3:1, 4:0, 5:2, 6:1, 7:2, 8:0}
浏览 0提问于2018-07-21得票数 2
回答已采纳
我有一个熊猫数据列表，我想对所有的熊猫执行一个模式操作。
所有数据文件都有相同的布局：
date是dt.date对象，感情是整数(-1、0或1)。我想得到一个数据组的日期，情感是原始的模式(或一个模式的列表，如果有更多)。
我用它来聚合：
df = df.groupby('date').agg(pd.Series.mode)
它可以很好地处理几乎所有的数据文件，其中只有一个返回一个错误：
File "..\lib\site-packages\pandas\core\apply.py", line 420, in agg_list_like
rais
浏览 15提问于2022-11-04得票数 0
回答已采纳
我遇到了一些我不理解的行为，当应用一个函数返回一个熊猫数据帧上的元组时。我的目的是让df.apply()返回一个新的序列，但这似乎只有在我对数据帧中的列进行子集以排除datetime序列中的一列时才起作用。
这个虚拟示例演示了我所看到的行为：
df = pd.DataFrame(np.random.randn(5, 4), columns=list('ABCD'))
def random(row):
# Return an tuple with more elements than df has columns
return (1,2,3,4,5,6,7,8)
浏览 17提问于2017-06-27得票数 0
回答已采纳
3回答
我有以下数据：
df = pd.DataFrame([{'name': 'John', 'counter' : [1,1,3,5]},{'name': 'John', 'counter' : [2,0,1,5]},{'name': 'John', 'counter' : [4,1,2,2]}])
df['counter'] = df['counter'].apply(lambda x : np.array(x))
df[
浏览 0提问于2021-01-20得票数 4
回答已采纳
我认为这是一个简单的操作，但出于某种原因，我在快速阅读Pandas文档时并没有找到即时的指示。
我有下面的原型代码，但这似乎有点蠢海事组织。我确信有更好的方法来做这件事，还有一些概念来描述它。
有更好的办法吗？如果不是，至少用更好的方式来描述？
抽象问题
基本上，我有列p0, p1, y0, y1, ...。...只是我希望保持不变的东西(在表中保持为单独的)。p0, p1是我想减少的东西。y0, y1是我希望减少的列。
DataFrame.grouby看起来不像我想要的那样。在仔细阅读代码时，我不确定我还想要什么。多索引似乎也是一种可能的上下文，但我没有立即看到我想要的例子。
下面是我想要的
浏览 2提问于2022-04-12得票数 0
回答已采纳
基本上，我想知道某个客户在其他数据集中购买了多少品牌，并将其重命名为change brand，以下是我在Pandas中所做的 firstvalue=firstvalue.merge((pd.DataFrame(profile.groupby('msisdn')
.handset_brand.nunique()
.rename('hpbrand_change_num'))
浏览 76提问于2021-08-30得票数 0
回答已采纳
我使用以下代码创建了几个基于列version的新聚合列。然后合并了4个新的数据帧。
new_df = df[['version','duration']].groupby('version').mean().rename(columns=lambda x: ('mean_' + x)).reset_index().fillna(0)
new_df1 = df[['version','duration']].groupby('version').std().rename(column
浏览 0提问于2018-03-02得票数 1
回答已采纳
所以我想用我的脚本来得到每月的金额，但是我总是得到一个AttributeError，但我没有
明白了。列时间戳确实存在于我的combined_csv上。
我确信这一行是导致问题的原因，因为我之前测试了我的其他代码。
AttributeError：“DataFrame”对象没有属性“时间戳”
我会感激所有我能得到的帮助-谢谢
import os
import glob
import pandas as pd
# set working directory
os.chdir("Path to CSVs")
# find all csv files in the folder
#
浏览 2提问于2021-04-26得票数 2
回答已采纳
我有一个csv文件，关于错误的停车罚款，它包含月，年，和罚款的原因。我想找到前10个原因(错误部分/主要原因)获得罚款。
注意，Error section / main cause列中的一些行某些行有两个不同的原因来获得罚款( 0401 Parking Prohibited Area failure to comply with a traffic sign ; 2200 Parking next to the marked parking space )
代码需要很长时间来响应，然后出现错误。(长列表)
import pandas as pd
from StringIO import St
浏览 2提问于2016-11-12得票数 0
回答已采纳
我正在尝试使用pandas.DataFrame.agg函数在第一列的上使用agg函数是numpy.std。
我不知道为什么它适用于numpy.mean，而不是numpy.std。
谁能告诉我在什么情况下会发生这种事。
这是很奇怪的
以下是我所面临的问题。
我的线人是这样的
print(type(dataframe))
print(dataframe.head(5))
first_col = dataframe.columns.values[0]
agg_df = dataframe.agg({first_col: [np.mean]})
print(agg_df)
然后，它将显示如下结果
&l
浏览 0提问于2021-05-25得票数 1
在Python程序中，通常使用try-try块捕获异常：
try:
# Do stuff
except ValueError:
# Handle exception
我所知道的在异常处理程序中捕获异常的最佳方法是嵌套的try- of块。但是，对于许多嵌套的试图捕获块，这可能会变得有点混乱：
try:
# Some assignment that throws an exception if the object is not in the list
try:
# Some assignment function that throws an ex
浏览 6提问于2017-11-10得票数 2
回答已采纳
输入df如下所示 Name num1 num2 key filter1 filter2 value
TOM 1.1 2.1 a True False 1.0
TOM 1.1 2.1 b True False 2.0
TOM 1.1 2.1 c True False 3.0
TOM 1.1 2.1 d True False 4.0
SAM 1.2 2.1 a False True 5.0
浏览 13提问于2020-01-11得票数 2
我有一个dataframe (df)，如下所示：
Time Temp
2017-01-01 00:30:00 11.1
2017-01-01 01:00:00 10.8
2017-01-01 01:30:00 10.8
2017-01-01 02:00:00 10.8
2017-01-01 02:30:00 11.1
..... ....
我试图获取临时数据的小时平均值，我用以下代码(时间是索引)来实现：
df2 = df.resample('H').agg(['mean','std'])
但
浏览 3提问于2017-07-22得票数 4
回答已采纳
如果这是个受骗者，请给我带路。我了几个 ，但是没有解决我的问题。
我有一个虚拟的DataFrame，如下所示：
grp Ax Bx Ay By A_match B_match
0 foo 3 2 2 2 False True
1 foo 2 1 1 0 False False
2 foo 4 3 0 3 False True
3 foo 4 3 1 4 False False
4 foo 4 4 3 0 False Fals
浏览 24提问于2020-05-23得票数 2
回答已采纳
我有这样的数据
import pandas as pd
df = pd.DataFrame({
"f":["sum", "min", "max"],
"t":[2, 2, 3]
})
所以我总结一下df
df1 = df.groupby("t").f.apply(lambda x:[x])
产额
t
2 [[sum, min]]
3 [[max]]
Name: f, dtype: object
但是如何使用数据[[sum,min]], [[max]]引用列？
我试过了
浏览 3提问于2020-03-06得票数 1
回答已采纳
我在一个函数中有一个group by，我想传入聚合方法。在我将其切换为变量之前，该语法一直有效。这是我的数据框架： import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
'office_id': list(range(1, 7)) * 2,
浏览 19提问于2020-12-16得票数 0
回答已采纳
我有不同列的销售数据。数据为Pandas DataFrame类型。对我的数据应用自定义函数，并按相同的类别组合所有数据。不幸的是，我不能在这里发布数据集，但是我有如下示例数据：
item value
0 Item A 59
1 Item B 95
2 Item B 82
3 Item C 40
4 Item A 11
现在我想要的是创建一个函数并将该函数应用于数据。这是我的密码
sum_all = {}
def verify(items , col):
for i,v in items,col:
if i == 'ite
浏览 2提问于2020-04-15得票数 3
回答已采纳
请求帮助以了解为什么出现以下错误？： import numpy as np
from pydataset import data
mtcars = data('mtcars')
mtcars.apply(['mean', lambda x: max(x)-min(x), lambda x: np.percentile(x, 0.15)]) 我正在尝试为数据集mtcar的所有列创建一个具有平均值、最大-最小值和15%的数据框。 错误消息： -------------------------------------------------------------
浏览 34提问于2021-07-27得票数 0
回答已采纳
1回答
我有一个有3列的pandas数据帧，我想将列a除以b和c以及后面的任何其他列c, d, e, f, ...。
我一直在考虑使用dataframe.agg和functools.reduce。
import pandas as pd
a = [1,2,3,4,5]
b = [1,2,3,4,5]
c = [1,2,3,4,5]
frame = pd.DataFrame({'a': a, 'b': b, 'c': c})
任何帮助都将不胜感激。
谢谢。
浏览 1提问于2019-08-20得票数 0
我正在将一个pySpark实现迁移到Pandas。为了转换大型数据集，我使用了dask包。 pySpark实现： df.groupBy('Key').agg(collect_set('ColumnA').alias('Items'), collect_set('ColumnB').alias('DocumentId')) 到Pandas df.groupby("Key")[['ColumnA','ColumnB']].agg(set).reset_index() 然
浏览 31提问于2021-08-16得票数 0
1回答
我正在尝试实现一个滚动平均值，每当在标签为'A‘的列中遇到'1’时，它就会重置。
例如，以下功能在Pandas中工作。
import pandas as pd
x = pd.DataFrame([[0,2,3], [0,5,6], [0,8,9], [1,8,9],[0,8,9],[0,8,9], [0,3,5], [1,8,9],[0,8,9],[0,8,9], [0,3,5]])
x.columns = ['A', 'B', 'C']
x['avg'] = x.groupby(x['A'].
浏览 0提问于2019-03-21得票数 2
我有以下数据：
df=pd.DataFrame({'code1':["A","B","A"],"code2":["k","l","k"],'Names':[['EUGENIO NETO','JUAN MATIAS SERAGOPIAN'],['EUGENIO LUPORINI NETO'],['SIMONE FANKHAUSER','ALEX SOUZA']]})
c
浏览 0提问于2020-06-18得票数 1
回答已采纳
我想在一列中显示我拥有的组数，然后只显示那些有超过一个特定数目的组。
考虑一下这个例子：
import pandas as pd
df = pd.DataFrame(
{
'ColA': 'A A A B B C C C C D E E F F F F F F F G G H'.split(),
'ColB': '1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2'.split()
}
)
如果我这样分组的话：
print df.groupby(
浏览 4提问于2015-09-09得票数 1
回答已采纳
我想要的是渲染一个带有的，这样我就可以看到哪些值(用条形表示)超过了特定的阈值(水平线)。我的数据由Pandas dataframe表示。
from bokeh.plotting import figure, output_file, show
from bokeh.charts import Bar
from bokeh.models import Span
from bokeh.io import save
from pandas import DataFrame
output_file('tmp_file')
p = figure(plot_width=800, pl
浏览 4提问于2016-09-10得票数 0
回答已采纳
滚动后的聚合方法不适用于函数列表。 此代码将引发Valueerror。 df = pd.DataFrame({'col1':range(3), 'date':pd.date_range('2018-01-01', '2018-01-03')})
df.rolling('6D', min_periods=1, on='date', closed='left').agg([sum]) 但这段代码适用于单个函数。 df.rolling('6D', min_periods=
浏览 60提问于2019-09-02得票数 0
2回答
我的数组看起来像这样
var List = [
{qid: 1, ID: 1, text: "XXX",...},
{qid: 1, ID: 2, text: "XXX",...},
{qid: 1, ID: 3, text: "XXX",...},
{qid: 2, ID: 4, text: "XXX",...},
{qid: 2, ID: 5, text: "XXX",...},
{qid: 3, ID: 6, text: "XXX",...},
{q
浏览 2提问于2017-10-12得票数 0
回答已采纳
我正在尝试从pyspark dataframe中获取空值的行。在pandas中，我可以在数据帧上使用isnull()来实现这一点：
df = df[df.isnull().any(axis=1)]
但在PySpark的情况下，当我运行以下命令时，它显示Attributeerror：
df.filter(df.isNull())
AttributeError：'DataFrame‘对象没有属性'isNull’。
如何在不对每一列进行检查的情况下获取具有空值的行？
浏览 25提问于2018-11-27得票数 5
假设我有一个带有datetime索引的pandas.Series：
srs = pd.Series(index = pd.date_range('2013-01-01','2013-01-10' )).fillna(1)
我可以使用expanding函数来计算级数的展开和。
srs.expanding(5).sum()
但是，我不能通过使用扩展函数来访问序列的其他属性(比如它的索引)。例如，通过运行：
srs.expanding(5).apply(lambda x: x.index[-1])
我得到了错误：
AttributeError: 'numpy.
浏览 2提问于2018-08-10得票数 3
2回答
下面的代码与我使用的前一个csv一起工作，两个csv的列数量相同，列的名称也是相同的。
运行的csv的数据
没有的csv数据
这个错误意味着什么？我为什么要犯这个错误？
from pandas import read_csv
from pandas import DataFrame
from pandas import Grouper
from matplotlib import pyplot
series = read_csv('carringtonairtemp.csv', header=0, index_col=0, parse_dates=True, squeeze=
浏览 3提问于2020-09-20得票数 6
回答已采纳
我正在熟悉熊猫，我遇到了一个我找不到答案的问题。 我使用的是这里提供的数据集https://raw.githubusercontent.com/Shreyas3108/house-price-prediction/master/kc_house_data.csv 然后，我运行函数df.describe()，它会毫无问题地输出所有应该输出的内容。 因为我目前只对min/max的min，max和diff感兴趣。我使用pandas中的df.agg函数通过运行以下代码来获取每列的最小/最大值 df.agg([min, max],axis=0) 当我运行这段代码时，我得到以下错误： ~/.vi
浏览 51提问于2019-03-12得票数 0
4回答
转置和连接字符串
、、
如何在不使用for循环的情况下转置和连接pandas数据帧？ 以下是输入数据： input_data = pandas.DataFrame({'a': ['fruit', 'fruit', 'fruit', 'food', 'food', 'food', 'food'],
'b': ['banana', '', 'apple', 'rice'
浏览 39提问于2019-05-29得票数 3
回答已采纳
我正在使用我在工作中使用了很长一段时间的聚合函数。其思想是，如果传递给函数的Series的长度为1(即组只有一个观察值)，则返回该观察值。如果传递的序列长度大于1，则在列表中返回观察值。
这对一些人来说可能看起来很奇怪，但这不是一个X，Y问题，我有很好的理由想要这样做，但与这个问题无关。
这是我一直在使用的函数：
def MakeList(x):
""" This function is used to aggregate data that needs to be kept distinc within multi day
observati
浏览 0提问于2014-12-12得票数 23
根据电影评级的公共数据集，我创建了一个应急表，如下所示。
老实说，我不喜欢所有这些“for-循环”，我认为代码的质量肯定可以以一种更节奏式的方式得到改善。
import pandas as pd
import numpy as np
movies_df = pd.read_csv("https://raw.githubusercontent.com/uomodellamansarda/GentleIntroduction2MLandDataScience/main/L10/movies%20(1).csv")
# Getting series of lists by app
浏览 0提问于2022-01-10得票数 1
回答已采纳
我试图计算我计算的数组(const C)中属于给定范围的值数，例如数组返回2,2,1.5,1.5，我试图计数数组中的值数，即<1，1<x<2，2<x等。因此，它应该返回，count x<1 = 0，1<x<2 = 4，2<x = 0。谢谢你的帮助！
for(let i = 0; i < 1; i++) {
Array.prototype.zip = function (other, reduce, thisArg) {
var i, result = [], args,
isfunc = typeof redu
浏览 1提问于2022-08-17得票数 0
回答已采纳
1回答
大熊猫的集合
、、、、
我有一张这样的桌子：
col1 col2
a {...}
a {...}
b {...}
c {...}
c {...}
c {...}
其中col2是由集合组成的。我需要通过col1进行聚合，这样col2就是集合的联合。
到目前为止，我最好的尝试是：
def set_union(*sets):
return reduce(lambda a, b: a.union(b), sets)
mytable.groupby('col1', as_index=False)['equivalen
浏览 4提问于2021-03-24得票数 0
回答已采纳
全新的Python和编程。我有一个函数从.csv文件中提取文件创建日期(日期包括文件命名约定)：
def get_filename_dates(self):
"""Extract date from filename and place it into a list"""
for filename in self.file_list:
try:
date = re.search("([0-9]{2}[0-9]{2}[0-9]{2})",
浏览 2提问于2020-05-17得票数 0
回答已采纳
1回答
集相交的GroupBy和聚合
、、、、
我有一个熊猫DataFrame有一个设置栏：
import pandas as pd
df = pd.DataFrame({'group_var': [1,1,2,2], 'sets_var': [set([0, 1]), set([1, 2]), set([3, 4]), set([5, 6, 7])]})
df
group_var sets_var
0 1 {0, 1}
1 1 {1, 2}
2 2 {3, 4}
3 2 {5, 6, 7}
我
浏览 0提问于2019-01-23得票数 3
回答已采纳
我需要对熊猫的数据进行一些汇总。我用的是熊猫版本1.3.3。
我似乎只能使用内置python函数(如max函数)来聚合包含字符串的列。试图使用任何自定义函数(即使是只调用内置max的函数)执行相同的操作会导致错误，如下面的示例所示。
在这个例子中，有人能告诉我我做错了什么吗?使用自定义函数进行字符串聚合的正确方法是什么？
import pandas as pd
# Define a dataframe with two columns - one with strings (a-e), one with numbers (1-5)
foo = pd.DataFrame(
data={
浏览 12提问于2022-03-03得票数 1
回答已采纳
1回答
我有一个数据，我用旧的滚动语法估计了各种类型的10年滚动平均值：
`pandas.rolling_mean(df['x'], 10)`,
`pandas.rolling_median(df['x'], 10)`
和
`pandas.rolling_apply(df['x'],10, hodgesLehmanMean)`,
其中hodgesLehman指的是我编写的函数(见下文)。
def hodgesLehmanMean(x):
#Computes the Hodges-Lehman mean = median { [x_i + x+j
浏览 0提问于2017-11-02得票数 1
回答已采纳
3回答
我试图找到三个数据文件的交集，但是pd.intersect1d不喜欢使用三个数据格式。
import numpy as np
import pandas as pd
df1 = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('ABCD'))
df2 = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('BCDE'))
df3 = pd.DataFrame(np.random.randint(0,10,s
浏览 2提问于2019-01-09得票数 4
回答已采纳
我的目的是解压/分解pandas中的多个列。我的数据帧如下所示： cols = ['name','first', 'second']
data = {'name':['image1','image2'],
'first':[['cv', 'pork'], ['pork', 'cv']],
'second':[[34,56],[67,89]]}
df=pd.DataFram
浏览 18提问于2021-10-13得票数 0
这个问题类似于一个被问到的问题，但是有一个元组索引。对一列列表进行分组可以很好地处理单个索引：
mydata = [{'idx': 'A', 'list_str': ['hi', 'babe']},
{'idx': 'A', 'list_str': ['take', 'a', 'walk']},
{'idx': 'A', 'list_str&
浏览 0提问于2017-06-23得票数 1
1回答
熊猫到RDD
、、、、
我可以将Pandas DataFrame转换为RDD吗？
if isinstance(data2, pd.DataFrame):
print 'is Dataframe'
else:
print 'is NOT Dataframe'
是DataFrame
下面是尝试使用.rdd时的输出
dataRDD = data2.rdd
print dataRDD
AttributeError Traceback (most recent call last)
<ipython-input-56-7
浏览 7提问于2015-08-19得票数 12
我在运行这段代码时遇到了这个错误
import numpy as np
import pandas as pd
labels = ['a','b','c']
my_list = [10,20,30]
arr = np.array(my_list)
d = {'a':10,'b':20,'c':30}
pd.series(data = my_list)
完全错误消息
AttributeError Traceback (most recent cal
浏览 59提问于2020-05-31得票数 0
我使用的是Python 2.6.6和Spark 1.6.0。我的df是这样的： id | name | number |
--------------------------
1 | joe | 148590 |
2 | bob | 148590 |
2 | steve | 279109 |
3 | sue | 382901 |
3 | linda | 148590 | 每当我尝试运行类似df2 = df.groupBy('id','length','type'
浏览 62提问于2020-07-02得票数 1
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
