Ich habe eine Pandas DataFrame zusammengestellt aus einigen Web-Daten (für Tennis-Spiele), die seltsames Verhalten zeigt beim Summieren über ausgewählte Zeilen.Seltsame Pandas.DataFrame.sum (Achse = 1) Verhalten
DataFrame:
In [178]: tdf.shape
Out[178]: (47028, 57)
In [201]: cols
Out[201]: ['L1', 'L2', 'L3', 'L4', 'L5', 'W1', 'W2', 'W3', 'W4', 'W5']
In [177]: tdf[cols].head()
Out[177]:
L1 L2 L3 L4 L5 W1 W2 W3 W4 W5
0 4.0 2 NaN NaN NaN 6.0 6 NaN NaN NaN
1 3.0 3 NaN NaN NaN 6.0 6 NaN NaN NaN
2 7.0 5 3 NaN NaN 6.0 7 6 NaN NaN
3 1.0 4 NaN NaN NaN 6.0 6 NaN NaN NaN
4 6.0 7 4 NaN NaN 7.0 5 6 NaN NaN
Wenn dann versucht wird, die Summe über die Zeilen mit tdf[cols].sum(axis=1)
zu berechnen. Aus der obigen Tabelle sollte die Summe für die erste Zeile seine 18.0, aber es ist wie 10 berichtet, wie unten:
In [180]: tdf[cols].sum(axis=1).head()
Out[180]:
0 10.0
1 9.0
2 13.0
3 7.0
4 13.0
dtype: float64
Das Problem wird durch einen bestimmten Datensatz (Zeile 13.771) verursacht zu sein scheint, denn als ich ausschließen, diese Zeile wird die Summe richtig berechnet:
In [182]: tdf.iloc[:13771][cols].sum(axis=1).head()
Out[182]:
0 18.0
1 18.0
2 34.0
3 17.0
4 35.0
dtype: float64
Erwägung, einschließlich es:
In [183]: tdf.iloc[:13772][cols].sum(axis=1).head()
Out[183]:
0 10.0
1 9.0
2 13.0
3 7.0
4 13.0
dtype: float64
für die gesamte Spalte der falschen Ergebnis führt.
Der fehlbare Datensatz ist wie folgt:
In [196]: tdf[cols].iloc[13771]
Out[196]:
L1 1
L2 1
L3 NaN
L4 NaN
L5 NaN
W1 6
W2 0
W3
W4 NaN
W5 NaN
Name: 13771, dtype: object
In [197]: tdf[cols].iloc[13771].W3
Out[197]: ' '
In [198]: type(tdf[cols].iloc[13771].W3)
Out[198]: str
mir die folgenden Versionen ausgeführt wird:
In [192]: sys.version
Out[192]: '3.4.3 (default, Nov 17 2016, 01:08:31) \n[GCC 4.8.4]'
In [193]: pd.__version__
Out[193]: '0.19.2'
In [194]: np.__version__
Out[194]: '1.12.0'
Sicherlich ein einziger schlecht formatierte Datensatz sollte die Summe von anderen Datensatz nicht beeinflussen? Ist das ein Fehler oder mache ich etwas falsch?
Hilfe sehr geschätzt!
Danke für die Zeiger & schnelle Antwort. Die Anwendung 'to_numeric' macht den Trick! Aber die Tatsache, dass es auf dem Streicherdatensatz lautlos versagte, scheint nicht wünschenswert. Ich werde aber damit gehen. – Muchadoaboutnothing