[已解决]dataframe使用groupby出现以下异常

hahadaxiao

1. import pandas as pd
   
2. buycount = pd.DataFrame([['苹果',9000],['香蕉',4000],['梨子',2000],['菠萝',3000]],columns=['种类','购入数量'])
   
3. data = [['苹果','2022-02-09',300],
   
4.         ['苹果','2022-02-25',150],
   
5.         ['苹果','2022-09-05',550],
   
6.         ['苹果','2022-09-29',154],
   
7.         ['苹果','2023-01-29',354],
   
8.         ['苹果','2023-04-19',950],
   
9.         ['菠萝','2022-09-29',250],
   
10.         ['梨子','2023-09-20',350],
    
11.         ['香蕉','2022-07-29',650],
    
12.         ['菠萝','2023-12-22',900]]
    
13. columns = ['种类','时间','卖出数量']
    
14. df1 = pd.DataFrame(data=data,columns=columns)
    
15. # print(df1)
    
16. 
    
17. # 将'date'列转换为日期时间类型
    
18. df1['时间'] = pd.to_datetime(df1['时间'])
    
19. # df1['时间'] = df1['时间'].dt.strftime('%Y-%m-%d')
    
20. # df1['时间'] = df1['时间'].astype(int)
    
21. # 按年份和月份分组
    
22. df1_grouped = df1.groupby([df1['时间'].dt.year, df1['时间'].dt.month]).sum()
    
23. # 打印结果
    
24. print(df1_grouped)

复制代码

Traceback (most recent call last):
  File "C:\Users\K\PycharmProjects\pythonProject\666.py", line 22, in <module>
    df1_grouped = df1.groupby([df1['时间'].dt.year, df1['时间'].dt.month]).sum()
                  ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\groupby.py", line 2263, in sum
    result = self._agg_general(
             ^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\groupby.py", line 1422, in _agg_general
    result = self._cython_agg_general(
             ^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\groupby.py", line 1507, in _cython_agg_general
    new_mgr = data.grouped_reduce(array_func)
              ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\internals\managers.py", line 1506, in grouped_reduce
    applied = blk.apply(func)
              ^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\internals\blocks.py", line 329, in apply
    result = func(self.values, **kwargs)
             ^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\groupby.py", line 1490, in array_func
    result = self.grouper._cython_operation(
             ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\ops.py", line 959, in _cython_operation
    return cy_op.cython_operation(
           ^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\ops.py", line 645, in cython_operation
    self._disallow_invalid_ops(dtype, is_numeric)
  File "C:\Python\Python311\Lib\site-packages\pandas\core\groupby\ops.py", line 257, in _disallow_invalid_ops
    raise TypeError(f"datetime64 type does not support {how} operations")
TypeError: datetime64 type does not support sum operations

最佳答案

月排行榜 / 总排行榜

ba21

2023-8-13 10:20:40

hahadaxiao 发表于 2023-8-13 08:06
pycharm还是出现一样的异常

代码是没有问题的，看看你的库版本对不对吧。实再不行重新安装下库，并指定下版本。

跳转到最佳答案楼层

isdkz

问题原因是尝试对datetime64类型的列进行求和操作，而datetime64类型不支持求和操作。

解决方法是将需要求和的列转换为数值类型或者整数类型，然后再进行求和操作。

在这个案例中，需要将'卖出数量'列转换为整数类型，然后再进行求和操作。可以使用astype()方法将列转换为整数类型。

以下是修改后的代码：

1. import pandas as pd
   
2. 
   
3. buycount = pd.DataFrame([['苹果',9000],['香蕉',4000],['梨子',2000],['菠萝',3000]],columns=['种类','购入数量'])
   
4. data = [['苹果','2022-02-09',300],
   
5.          ['苹果','2022-02-25',150],
   
6.          ['苹果','2022-09-05',550],
   
7.          ['苹果','2022-09-29',154],
   
8.          ['苹果','2023-01-29',354],
   
9.          ['苹果','2023-04-19',950],
   
10.          ['菠萝','2022-09-29',250],
    
11.          ['梨子','2023-09-20',350],
    
12.          ['香蕉','2022-07-29',650],
    
13.          ['菠萝','2023-12-22',900]]
    
14. columns = ['种类','时间','卖出数量']
    
15. df1 = pd.DataFrame(data=data,columns=columns)
    
16. 
    
17. # 将'date'列转换为日期时间类型
    
18. df1['时间'] = pd.to_datetime(df1['时间'])
    
19. 
    
20. # 将'卖出数量'列转换为整数类型
    
21. df1['卖出数量'] = df1['卖出数量'].astype(int)
    
22. 
    
23. # 按年份和月份分组并求和
    
24. df1_grouped = df1.groupby([df1['时间'].dt.year, df1['时间'].dt.month]).sum()
    
25. 
    
26. # 打印结果
    
27. print(df1_grouped)
    

复制代码

运行以上代码，即可得到按年份和月份分组后的求和结果。

hahadaxiao

isdkz 发表于 2023-8-13 08:04
问题原因是尝试对datetime64类型的列进行求和操作，而datetime64类型不支持求和操作。

解决方法是将需要 ...

pycharm还是出现一样的异常

阿奇_o

加多一个指定求和的数据列，即可

1. >>> data = [['苹果','2022-02-09',300],
   
2.         ['苹果','2022-02-25',150],
   
3.         ['苹果','2022-09-05',550],
   
4.         ['苹果','2022-09-29',154],
   
5.         ['苹果','2023-01-29',354],
   
6.         ['苹果','2023-04-19',950],
   
7.         ['菠萝','2022-09-29',250],
   
8.         ['梨子','2023-09-20',350],
   
9.         ['香蕉','2022-07-29',650],
   
10.         ['菠萝','2023-12-22',900]]
    
11. >>> columns = ['种类','时间','卖出数量']
    
12. >>> import pandas as pd
    
13. >>> df = pd.DataFrame(data, columns=columns)
    
14. >>> df
    
15.    种类          时间  卖出数量
    
16. 0  苹果  2022-02-09   300
    
17. 1  苹果  2022-02-25   150
    
18. 2  苹果  2022-09-05   550
    
19. 3  苹果  2022-09-29   154
    
20. 4  苹果  2023-01-29   354
    
21. 5  苹果  2023-04-19   950
    
22. 6  菠萝  2022-09-29   250
    
23. 7  梨子  2023-09-20   350
    
24. 8  香蕉  2022-07-29   650
    
25. 9  菠萝  2023-12-22   900
    
26. >>> df['时间'] = pd.to_datetime(df['时间'])
    
27. >>> df.dtypes
    
28. 种类              object
    
29. 时间      datetime64[ns]
    
30. 卖出数量             int64
    
31. dtype: object
    
32. >>> df.groupby(df['时间'].dt.year)['卖出数量'].sum()
    
33. 时间
    
34. 2022    2054
    
35. 2023    2554
    
36. Name: 卖出数量, dtype: int64
    
37. >>> df.groupby([df['时间'].dt.year, df['时间'].dt.month])['卖出数量'].sum()
    
38. 时间    时间
    
39. 2022  2     450
    
40.       7     650
    
41.       9     954
    
42. 2023  1     354
    
43.       4     950
    
44.       9     350
    
45.       12    900
    
46. Name: 卖出数量, dtype: int64
    
47. >>>

复制代码

ba21

hahadaxiao 发表于 2023-8-13 08:06
pycharm还是出现一样的异常

代码是没有问题的，看看你的库版本对不对吧。实再不行重新安装下库，并指定下版本。