Pandas Pandas GroupBy.agg()方法报错：TypeError: aggregate() missing 1 required positional argument: ‘arg’

在本文中，我们将介绍Pandas库中的GroupBy.agg()方法报错的解决方法。

Pandas是一种开源的数据分析和数据处理工具，提供了丰富的功能来操作和处理数据。其中的GroupBy功能是非常强大的，可以根据给定的条件对数据进行分组。GroupBy对象可以使用agg()方法来对分组后的数据进行聚合操作。

然而，有时候在使用GroupBy.agg()方法时，会遇到报错信息：TypeError: aggregate() missing 1 required positional argument: ‘arg’。这个错误信息表明在agg()方法中缺少一个参数。

这个错误通常是由于我们没有正确指定agg()方法的参数所导致的。GroupBy.agg()方法需要一个函数或函数列表作为参数，以指定用于聚合操作的函数。

以下是一些可能导致错误的示例和解决方法：

阅读更多：Pandas 教程

示例1：缺少agg()方法的参数

import pandas as pd

data = {
    'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
    'Age': [20, 21, 19, 20, 21, 19],
    'Score': [85, 90, 75, 80, 95, 70]
}
df = pd.DataFrame(data)

# 对Name进行分组，并计算Age和Score的平均值
grouped = df.groupby('Name').agg()

上述示例中，我们没有在agg()方法中指定任何参数，导致了错误的发生。为了解决这个问题，我们需要在agg()方法中传入一个函数或函数列表，例如mean()函数，用于计算平均值：

grouped = df.groupby('Name').agg('mean')

示例2：传入非函数类型的参数

import pandas as pd

data = {
    'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
    'Age': [20, 21, 19, 20, 21, 19],
    'Score': [85, 90, 75, 80, 95, 70]
}
df = pd.DataFrame(data)

# 对Name进行分组，并计算Age和Score的求和
grouped = df.groupby('Name').agg('sum')

上述示例中，我们试图将一个字符串类型的参数传递给agg()方法，以指定需要执行的聚合操作。然而，agg()方法需要接受一个函数或函数列表作为参数。为了解决这个问题，我们需要传递一个函数或函数列表，例如sum()函数，用于计算求和：

grouped = df.groupby('Name').agg(sum)

示例3：使用自定义函数

有时候，我们可能需要使用自定义的函数来进行聚合操作。在这种情况下，我们需要将自定义函数作为参数传递给agg()方法。

import pandas as pd

data = {
    'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
    'Age': [20, 21, 19, 20, 21, 19],
    'Score': [85, 90, 75, 80, 95, 70]
}
df = pd.DataFrame(data)

# 自定义函数，计算Age和Score的平均值
def custom_mean(x):
    return x.mean()

# 对Name进行分组，并计算Age和Score的平均值
grouped = df.groupby('Name').agg(custom_mean)

上述示例中，我们定义了一个名为custom_mean()的自定义函数，用于计算传入数据的平均值。然后，我们将这个自定义函数作为agg()方法的参数传递给GroupBy对象。这样，就可以使用自定义函数来对数据进行聚合操作。

总结

在使用Pandas的GroupBy.agg()方法时，遇到报错的类型错误：TypeError: aggregate() missing 1 required positional argument: ‘arg’时，通常是因为我们没有正确指定agg()方法的参数。

要解决这个问题，我们需要注意以下几点：

确保在agg()方法中传入一个函数或函数列表作为参数。这些函数可以是内置的聚合函数，如’mean’、’sum’、’max’、’min’等，也可以是自定义的函数。
如果传递的是函数名字符串，确保函数名没有被引号括起来。示例：agg(‘mean’)而不是agg(‘mean’)。
如果传递的是自定义函数，确保函数名后面没有括号。示例：agg(custom_mean)而不是agg(custom_mean())。
确保自定义函数的输入和输出符合预期。如果聚合函数需要传入多个参数，可以在agg()方法中使用lambda函数来定义。

下面是一个更完整的示例，其中展示了如何正确使用agg()方法：

import pandas as pd

data = {
    'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
    'Age': [20, 21, 19, 20, 21, 19],
    'Score': [85, 90, 75, 80, 95, 70]
}
df = pd.DataFrame(data)

# 使用mean函数计算Age和Score的平均值
grouped1 = df.groupby('Name').agg('mean')

# 使用自定义函数计算Age和Score的平均值
def custom_mean(x):
    return x.mean()

grouped2 = df.groupby('Name').agg(custom_mean)

# 使用lambda函数计算Age和Score的平均值和最大值
grouped3 = df.groupby('Name').agg(lambda x: [x.mean(), x.max()])

print(grouped1)
print(grouped2)
print(grouped3)