Python按小时分组统计DataFrame重复行计数报TypeError问题
错误原因定位
- 分组维度缺失:原代码仅按
hour单字段分组,统计的是单小时下的所有行总数,不符合「同小时内index、name完全一致的行才归为一类计数」的需求;之前尝试用transform未得到预期效果,本质也是分组维度设置偏差,且transform的作用是把统计值广播回原始表的每一行,而当前需求是输出聚合后的去重统计表,本身就不需要广播逻辑 - 触发类型报错的根源:
index是pandas内置的保留属性名称,直接作为列名参与分组操作时,容易和DataFrame自带的索引对象产生类型解析冲突,最终抛出TypeError: only integer scalar arrays can be converted to a scalar index错误
可直接运行的实现代码
# 1. 先将与内置重名的index列临时改名,规避类型冲突 df = df.rename(columns={"index": "temp_idx"}) # 2. 按hour、temp_idx、name三个维度联合分组,统计每组重复次数 df_count = ( df.groupby(["hour", "temp_idx", "name"], as_index=False) .size() .rename(columns={ "size": "count", "temp_idx": "index" }) )
小提示:如果你的
hour字段是datetime时间类型,不需要额外拆分小时值,只要字段的时间粒度是一致的(比如统一保留到分钟级的时间点),分组逻辑就可以正常生效。
输出结果示例
运行代码后即可得到符合预期的表结构:
| hour | index | name | count |
|---|---|---|---|
| 08:00:00 | 1442 | x | 3 |
| 08:30:00 | 1442 | x | 1 |
| 08:45:00 | 3434 | y | 2 |
内容的提问来源于stack exchange,提问作者Lili
相关产品推荐
相关产品推荐

