如何在具有十进制类型值的pandas TimeSeries上使用mean方法？

Question

我需要将Python decimal类型值存储在pandasTimeSeries/DataFrame对象中。Pandas在TimeSeries/DataFrame上使用“groupby”和“mean”时出错。以下基于浮动的代码运行良好：

[0]: by = lambda x: lambda y: getattr(y, x)

[1]: rng = date_range('1/1/2000', periods=40, freq='4h')

[2]: rnd = np.random.randn(len(rng))

[3]: ts = TimeSeries(rnd, index=rng)

[4]: ts.groupby([by('year'), by('month'), by('day')]).mean()
2000  1  1    0.512422
         2    0.447235
         3    0.290151
         4   -0.227240
         5    0.078815
         6    0.396150
         7   -0.507316

但是如果使用十进制值而不是浮点值来执行同样的操作，我会得到一个错误：

^{pr2}$

错误消息是“GroupByError（'No numeric types to aggregate'）”。是否有机会在包含十进制值的时间序列或数据帧上使用sum、mean和quantileon等标准聚合？在

为什么它不起作用？如果不可能，有没有机会有一个同样快速的替代方案？在

编辑：我刚刚意识到大多数其他函数（最小值、最大值、中值等）都很好，但不是我迫切需要的平均值函数。在

Answer 1

import numpy as np
ts.groupby([by('year'), by('month'), by('day')]).apply(np.mean)