如何在Python中访问聚合函数值

Question

我正在用python为一个足球联赛做一个预测模型。我刚刚找到了聚合函数。在我遇到这个问题之前，一切都很顺利：我正在尝试比较一列的某些值，如：

'column1' : 'count'

#My code
final = dataset.groupby(['Home','Away'], as_index=False).agg({'HG': ['mean'], 'AG': ['mean', 'count']})

我的一个想法是改变列的类型（可能是'count'的值），但它不起作用

我试图做的是检查，在函数中，如果之前这对数据中有更多匹配，下面是“最终”数据帧的输出示例：

        Home    Away            HG           AG
                            mean        mean    count

0   Astra   Bistrita    4.000000    0.000000    1
1   Astra   CFR Cluj    1.100000    2.100000    10
2   Astra   CS......    1.000000    1.000000    1

其中“计数”是指在这个公式中，“阿斯特拉对小酒馆”的比赛在几个赛季中只发生一次

我想做这样的事情（跳过这个错误之后，我想做更多）：

def functie(home, away):
    subset = final.loc[(final.Home==home)&(final.Away==away)]
    #print(subset['AG'].count)
    if (subset['AG'].count >= 1):
        print("It worked")

functie('Astra', 'Bistrita')

以下是错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-46-2e7b6464c49d> in <module>
     92         print("It worked")
     93 
---> 94 functie('Astra', 'Bistrita')
     95 
     96 final.head(30)

<ipython-input-46-2e7b6464c49d> in functie(home, away)
     89     subset = final.loc[(final.Home==home)&(final.Away==away)]
     90     #print(subset['AG'].count)
---> 91     if (subset['AG'].count >= 1):
     92         print("It worked")
     93 

TypeError: '>=' not supported between instances of 'method' and 'int'

**编辑：

如果我称之为：

subset = final.loc[(final.Home=='Astra')&(final.Away=='CFR Cluj')]
subset['AG'].count(axis = 0) 

它给了我

mean     1
count    1
dtype: int64

这没关系，因为它按预期工作，它只计算了主队是“阿斯特拉”而客队是“克鲁伊”时我的排数。但是我想从AG，从'final'数据帧访问count列

Answer 1

好的，我设法得到了我的答案，我把它贴在这里给其他有同样问题的人。以下是我所做的：

# group by home and away and get the mean from HomeGoals and AwayGoals
final = dataset.groupby(['Home','Away'], as_index=False).agg({'HG': ['mean'], 'AG': ['mean']})

#count all the matches where one HomeTeam encountered the same AwayTeam, by a random column, it will get the same 'count' for every column
total_matches = dataset.groupby(['Home','Away'], as_index=False).AvgA.transform('count') 

#set the column total_matches with total matches :)
dataset['total_matches'] = total_matches 

def functie(home, away):
    # get the results from big dataset where I have all the matches from 6-7 years 
    # and list all the 'Some Home Team' vs 'Some Away Team'
    subset = dataset.loc[(dataset.Home==home)&(dataset.Away==away)]
    
    #take the value of column 'total_matches' from first row, it's all the same on the nth 
    #row
    x = subset['total_matches'].iloc[0]
    if (x < 3):
        print("Less than three matches" , x)
    else:
        if(x >= 3):
            print("More than three matches" , x)

functie('Astra', 'CFR Cluj')

#gives the output 10

functie('Astra', 'Bistrita')

#gives the output 1

Answer 2

subset['AG'].count是应用于subset['AG']的pandascount方法。由于它是在没有()的情况下编写的，因此它提供了方法本身，而不是它的任何结果

您显然想做的是访问subset数据帧的一列。该数据帧的列上有一个多索引，这意味着您可以使用列名元组访问单个列

所以在你的代码中

subset['AG'].count 

应替换为

subset['AG', 'count'] 

这解决了在您的版本中，count被解释为方法名，而您希望它表示列名的歧义

但是，请注意subset['AG', 'count'] >= 1将为您提供一个布尔序列，因为该列的每个值都将与1进行比较。因此，您仍然需要考虑if条件到底应该是什么