熊猫Pivot_table执行时出错 - 类型错误

Question

我是熊猫新手，正在测试和学习。有从Excel导入的数据框下面的问题： - 数据框包含以下变量：

<class 'pandas.core.frame.DataFrame'> 
Int64Index: 48062 entries, 0 to 48061 
Data columns (total 11 columns): 
Konskund_MEAB   48062 non-null values 
Strukturordn   48062 non-null values 
Antal_forsandelser 48062 non-null values 
ProdID    48062 non-null values 
Sort     48062 non-null values 
Storstad    48062 non-null values 
Year     48062 non-null values 
snittvikt    48062 non-null values 
Totsum    48062 non-null values 
Prodsum    48062 non-null values 
snittpris    48062 non-null values 
dtypes: float64(9), object(2) 

• 运行：

  np.average(df['snittpris'],weights=df['Antal_forsandelser'])

产生正确的结果

• 当我尝试使用下面的命令运行pivot_table：

  df_sum=pd.pivot_table(df,rows=['Konskund_MEAB','ProdID'],cols=['Year'], aggfunc=np.average(df ['snittpris'],weights=df['Antal_forsandelser']))

我收到以下错误消息。

--------------------------------------------------------------------------- 
TypeError         Traceback (most recent call last) 
<ipython-input-90-9fd03896c806> in <module>() 
----> 1 df_sum=pd.pivot_table(df,rows=['Konskund_MEAB','ProdID'],cols=['Year'], 
aggfunc=np.average(df['snittpris'],weights=df['Antal_forsandelser'])) 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\tools\pivot.pyc 
in pivot_table(data, values, rows, cols, aggfunc, fill_value, margins, dropna) 
    101 
    102  grouped = data.groupby(keys) 
--> 103  agged = grouped.agg(aggfunc) 
    104 
    105  table = agged 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\core\groupby.pyc 
in agg(self, func, *args, **kwargs) 
342  @Appender(_agg_doc) 
343  def agg(self, func, *args, **kwargs): 
--> 344   return self.aggregate(func, *args, **kwargs) 
345 
346  def _iterate_slices(self): 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\core\groupby.pyc 
in aggregate(self, arg, *args, **kwargs) 
    1741 
    1742    if self.grouper.nkeys > 1: 
-> 1743     return self._python_agg_general(arg, *args, **kwargs) 
    1744    else: 
    1745     result = self._aggregate_generic(arg, *args, **kwargs) 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\core\groupby.pyc 
in _python_agg_general(self, func, *args, **kwargs) 
    480 
    481   if len(output) == 0: 
--> 482    return self._python_apply_general(f) 
    483 
    484   if self.grouper._filter_empty_groups: 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\core\groupby.pyc 
in _python_apply_general(self, f) 
    332 
    333  def _python_apply_general(self, f): 
--> 334   keys, values, mutated = self.grouper.apply(f, self.obj, self.axis) 
    335 
    336   return self._wrap_applied_output(keys, values, 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\core\groupby.pyc 
in apply(self, f, data, axis, keep_internal) 
    628    # group might be modified 
    629    group_axes = _get_axes(group) 
--> 630    res = f(group) 
    631    if not _is_indexed_like(res, group_axes): 
    632     mutated = True 

C:\Users\Bengtw\AppData\Local\Enthought\Canopy32\User\lib\site-packages\pandas\core\groupby.pyc 
in <lambda>(x) 
    468  def _python_agg_general(self, func, *args, **kwargs): 
    469   func = _intercept_function(func) 
--> 470   f = lambda x: func(x, *args, **kwargs) 
    471 
    472   # iterate through "columns" ex exclusions to populate output dict 

TypeError: 'numpy.float64' object is not callable 

什么问题？行变量Konskund_MEAB包含字符串（几百个不同），ProdID是数字并具有4个唯一值。年份就是这样（4个离散值）。

Answer 1

参数aggfunc应该是函数，但是您传入一个浮点数。
因此，类型错误：

TypeError: 'numpy.float64' object is not callable 

您可以在匿名（lambda）函数传递，这可能是你所追求的：

aggfunc=lambda x: np.average(x['snittpris'], weights=x['Antal_forsandelser']) 

不幸的是，这并不在这方面的工作的情况下（因为aggfunc不能访问未使用的列）...

相反，你可以使用groupby：

rows = ['Konskund_MEAB','ProdID'] 
cols = ['Year'] 
g = df.groupby(rows + columns) 

从一系列的数据帧

和应用功能对每个组，然后unstack：

s_av = g.apply(lambda x: np.average(x['snittpris'], weights=x['Antal_forsandelser'])) 
df_av = s_av.unstack(cols)