将派生字段更改为浮动并获取派生字段的平均值

Question

我有一个名为FP13 列的数据框，派生了一个名为 的新字段price/sqm，并删除了 10 列。

FP['price/sqm'] = FP['price'] / FP['floor_area_sqm']

FP = FP.loc[:,['year', 'town', 'type', 'price/sqm']]

数据框有 700,000 行，看起来像这样：

   year   town    type     price/sqm

0  1990   AMK   1 ROOM    290.322581

1  1990   AMK   1 ROOM    193.548387

2  1990   AMK   1 ROOM    258.064516

3  1990   AMK   1 ROOM    193.548387

4  1990   AMK   3 ROOM    646.575342

5  1990   AMK   3 ROOM    686.567164

我正在尝试price/sqm根据['year','town','type']使用下面的代码进行平均，但我得到了TypeError: incompatible index of inserted column with frame index

FP['avg_price/sqm'] = FP.groupby(['year', 'town', 'type'])['price/sqm'].aggregate(mean)

我有一个用于不同数据框的类似代码，它可以工作，所以我不确定为什么它不适用于此代码。另一个代码是gdp['yearly_gdp'] = gdp.groupby(['year'])['value'].transform(sum)

我假设它的原因price/sqm是一个 str 并尝试了以下代码将它转换为一个浮点数，但我要么得到一个错误，要么它仍然作为 str 返回。

FP['price/sqm'] = float(FP['price/sqm'])

FP['price/sqm'] = FP['price/sqm'].astype(float)

FP['price/sqm'] = pd.to_numeric(FP['price/sqm'], errors = 'coerce')

FP[['price/sqm']] = FP[['price/sqm']].apply(pd.to_numeric)

有人可以建议我如何解决这个问题吗？

FP.dtypes：

   year   town    type     price/sqm

0  1990   AMK   1 ROOM    290.322581

1  1990   AMK   1 ROOM    193.548387

2  1990   AMK   1 ROOM    258.064516

3  1990   AMK   1 ROOM    193.548387

4  1990   AMK   3 ROOM    646.575342

5  1990   AMK   3 ROOM    686.567164

year        object

town        object

type        object

price/sqm   float64

dtype: object

df1.dtypes：

month               object

town                object

type                object

block               object

street_name         object

storey_range        object

floor_area_sqm      float64

flat_model          object

lease_commence_date int64

resale_price        int64

dtype:       object

Answer 1

我认为这对您有用，因为您可以根据数据帧的索引来转换结果FP['avg_price/sqm'] = FP.groupby(['year', 'town', 'type'])['price/sqm'].transform(lambda x:x.mean())

Answer 2

您可以使用：FP['avg_price/sqm'] = FP.groupby(['year', 'town', 'type'])['price/sqm'].mean()和：gdp['yearly_gdp'] = gdp.groupby(['year'])['value'].sum()你不需要使用aggregate或transform如果price/sqm是浮动的，只需使用以下方法对其进行转换：FP['price/sqm'].astype(float)我希望它能解决你的问题。