Pandas groupbymedian函数用随机数填充空箱子

Question

我正在学习Python Pandas的不同方面，我偶然发现了groupby对象的中值函数在用于bined数据时的一些奇怪行为。在

示例代码：

import pandas as pd

d = pd.DataFrame([1,2,5,6,9,3,6,5,9,7,11,36,4,7,8,25,8,24,23])

b = [0,5,10,15,20,25,30,35,40,45,50,55]

print d.groupby(pd.cut(d[0],b)).count()

print d.groupby(pd.cut(d[0],b)).mean()

print d.groupby(pd.cut(d[0],b)).median()

计数输出：

^{pr2}$

平均输出：

(0, 5]     3.333333
(5, 10]    7.500000
(10, 15]  11.000000
(15, 20]        NaN
(20, 25]  24.000000
(25, 30]        NaN
(30, 35]        NaN
(35, 40]  36.000000
(40, 45]        NaN
(45, 50]        NaN
(50, 55]        NaN

中值输出：

(0, 5]     3.5
(5, 10]    7.5
(10, 15]  11.0
(15, 20]  18.0
(20, 25]  24.0
(25, 30]  30.5
(30, 35]  30.5
(35, 40]  36.0
(40, 45]  18.0
(45, 50]  18.0
(50, 55]  18.0

所有的空箱子都装满了数字18和30.5，这在这里没有实际意义。在

另外，当我改变原始列表中的一个数字时，最后三个数字是随机变化的，然后我得到如下输出：

(0, 5]     3.500000e+00
(5, 10]    7.500000e+00
(10, 15]   1.100000e+01
(15, 20]   1.800000e+01
(20, 25]   2.450000e+01
(25, 30]   3.050000e+01
(30, 35]   3.050000e+01
(35, 40]   3.600000e+01
(40, 45]  3.814316e+228
(45, 50]  3.814316e+228
(50, 55]  3.814316e+228

更改列表中的另一个数字将使我的输出再次以数字18结尾。在

那只是个虫子吗？在

这种行为是否有正当理由？在

我是在做什么还是在解释什么？在

我现在需要用中间值过滤器来处理中间值。在

Answer 1

我敢肯定是个虫子：

考虑：

gb = d.groupby(pd.cut(d[0],b))

gb.median()

但是：

^{pr2}$

以及：

^{3}$

KeyError                                  Traceback (most recent call last)
<ipython-input-314-e1f4657d9a2d> in <module>()
  > 1 gb.get_group('(15, 20]').median()

/Users/me/anaconda/lib/python2.7/site-packages/pandas/core/groupby.pyc in get_group(self, name, obj)
    585         inds = self._get_index(name)
    586         if not len(inds):
 > 587             raise KeyError(name)
    588 
    589         return obj.take(inds, axis=self.axis, convert=False)

KeyError: '(15, 20]'

当组不存在时，它计算groupby对象上的median。在

Answer 2

我将此问题报告为bug，并将其添加到0.19.0里程碑中：

https://github.com/pydata/pandas/issues/13629