如何计算鸢尾花数据集各物种的花萼/花瓣长度范围及解决代码报错

报错原因 #

出现TypeError: 'method' object is not iterable的直接原因是df.species.unique是pandas的方法对象，没有加括号调用，正确写法应为df.species.unique()，这样才会返回可迭代的物种数组。

除此之外，原函数逻辑完全不匹配需求：

• 仅硬编码处理setosa物种，没有遍历所有物种；
• 函数参数species和length未实际用于分组计算，逻辑混乱。

修复并实现需求的方法 #

方法一：修复自定义函数 #

以下是修正后的函数，可遍历所有物种，计算指定4列的最小值、最大值和极差：

import pandas as pd

# 假设df是已加载的鸢尾花数据集（需确保列名与需求一致：SPECIES、SEPAL_LENGTH等）
def calculate_species_range(df):
    result = {}
    # 获取所有唯一物种，调用unique()方法
    for species in df['SPECIES'].unique():
        # 筛选当前物种的所有数据
        species_data = df[df['SPECIES'] == species]
        # 计算4列的统计值
        col_stats = {}
        for col in ['SEPAL_LENGTH', 'SEPAL_WIDTH', 'PETAL_LENGTH', 'PETAL_WIDTH']:
            min_val = species_data[col].min()
            max_val = species_data[col].max()
            range_val = max_val - min_val
            col_stats[col] = {'最小值': min_val, '最大值': max_val, '极差': range_val}
        result[species] = col_stats
    return result

# 调用函数并打印结果
species_range = calculate_species_range(df)
for sp, stats in species_range.items():
    print(f"物种：{sp}")
    for col, vals in stats.items():
        print(f"  {col}: 最小值={vals['最小值']}, 最大值={vals['最大值']}, 极差={vals['极差']}")

方法二：用Pandas内置方法高效实现 #

利用groupby结合agg可以更简洁地完成计算，无需手动遍历：

# 定义聚合函数：对每个列计算min、max、极差
aggregations = {
    col: ['min', 'max', lambda x: x.max() - x.min()]
    for col in ['SEPAL_LENGTH', 'SEPAL_WIDTH', 'PETAL_LENGTH', 'PETAL_WIDTH']
}

# 按物种分组并聚合
result_df = df.groupby('SPECIES').agg(aggregations)
# 扁平化列名，让结果更易读
result_df.columns = ['_'.join([col, stat]) for col, stat in result_df.columns]

# 输出结果
print(result_df)

方法三：自定义聚合列名的简洁写法 #

如果需要更清晰的列名，可以这样写：

agg_funcs = {
    col: [
        ('最小值', 'min'),
        ('最大值', 'max'),
        ('极差', lambda x: x.max() - x.min())
    ]
    for col in ['SEPAL_LENGTH', 'SEPAL_WIDTH', 'PETAL_LENGTH', 'PETAL_WIDTH']
}

result_df = df.groupby('SPECIES').agg(agg_funcs)
# 扁平化多级列名
result_df.columns = ['_'.join(col) for col in result_df.columns]
print(result_df)

内容的提问来源于stack exchange，提问作者Pranav167