ValueError:<something>的Grouper不是1维的

Question

我有以下代码,通过seaborn创建一个表和一个barplot.

#Building a dataframe grouped by the # of Engagement Types
sales_type = sales.groupby('# of Engagement Types').sum()

#Calculating the % of people who bought the course by # engagement types
sales_type['% Sales per Participants'] =  round(100*(sales_type['Sales'] / sales_type['Had an Engagement']), 2)

#Calculating the # of people who didn't have any engagements
sales_type.set_value(index=0, col='Had an Engagement', value=sales[sales['Had an Engagement']==0].count()['Sales'])

#Calculating the % of sales for those who didn't have any engagements
sales_type.set_value(index=0, col='% Sales per Participants',
                     value=round(100 * (sales_type.ix[0, 'Sales'] / 
                                        sales[sales['Had an Engagement']==0].count()['Sales']),2))

#Setting the graph image
fig, (ax1) = plt.subplots(nrows=1, ncols=1, figsize=(12,4))
sns.set_style("whitegrid")

# Ploting the histagram for the % of total prospects
ax1 = sns.barplot(x=sales_type.index,y='% Sales per Participants', data=sales_type ,ax=ax1)
ax1.set(ylabel = '%')
ax1.set_title('% Sales per Participants By # of Engagement Types') 

#present the table
sales_type.xs(['Had an Engagement', 'Sales','% Sales per Participants'],axis=1).transpose()
#sales_type

我对其他参数使用相同的代码概念没有问题.但是,对于一个参数,我得到一个错误:"ValueError:Grouper for''not 1-dimensional"for line code:

ax1 = sns.barplot(x=sales_type.index,y='% Sales per Participants', data=sales_type ,ax=ax1)

尽管数据框架没有多个维度,但仍会发生此错误.

这是表格的负责人:

                       Sales  Pre-Ordered / Ordered Book  \
# of Engagement Types                                      
0                        1.0                         0.0   
1                       20.0                       496.0   
2                       51.0                       434.0   
3                       82.0                       248.0   
4                       71.0                       153.0   
5                       49.0                        97.0   
6                        5.0                        24.0   

                       Opted In For / Clicked to Kindle  Viewed PLC  \
# of Engagement Types                                                 
0                                                   0.0           0   
1                                               27034.0        5920   
2                                                6953.0        6022   
3                                                1990.0        1958   
4                                                 714.0         746   
5                                                 196.0         204   
6                                                  24.0          24   

                       # of PLC Engagement  Viewed Webinar  \
# of Engagement Types                                        
0                                      0.0               0   
1                                   6434.0            1484   
2                                   7469.0            1521   
3                                   2940.0            1450   
4                                   1381.0             724   
5                                    463.0             198   
6                                     54.0              24   

                       # of Webinars (Live/Replay)  \
# of Engagement Types                                
0                                              0.0   
1                                           1613.0   
2                                           1730.0   
3                                           1768.0   
4                                           1018.0   
5                                            355.0   
6                                             45.0   

                       OCCC Facebook Group Member  Engaged in Cart-Open  \
# of Engagement Types                                                     
0                                             0.0                     0   
1                                           148.0                   160   
2                                           498.0                  1206   
3                                           443.0                   967   
4                                           356.0                   511   
5                                           168.0                   177   
6                                            24.0                    24   

                       # of Engagement at Cart Open  Had an Engagement  \
# of Engagement Types                                                    
0                                               0.0               3387   
1                                             189.0              35242   
2                                            1398.0               8317   
3                                            1192.0               2352   
4                                             735.0                801   
5                                             269.0                208   
6                                              40.0                 24   

                       Total # of Engagements  % Sales per Participants  
# of Engagement Types                                                    
0                                         0.0                      0.03  
1                                     35914.0                      0.06  
2                                     18482.0                      0.61  
3                                      8581.0                      3.49  
4                                      4357.0                      8.86  
5                                      1548.0                     23.56  
6                                       211.0                     20.83  

这是完整的错误:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-211-f0185fe64c1a> in <module>()
     12 sns.set_style("whitegrid")
     13 # Ploting the histagram for the % of total prospects
---> 14 ax1 = sns.barplot(x=sales_type.index,y='% Sales per Participants', data=sales_type ,ax=ax1)
     15 ax1.set(ylabel = '%')
     16 ax1.set_title('% Sales per Participants By # of Engagement Types')

ValueError: Grouper for '<class 'pandas.core.frame.DataFrame'>' not 1-dimensional

我试图搜索互联网和Stack Overflow这个错误,但没有得到任何结果.有谁知道发生了什么？

Answer 1

简化问题

我也遇到了这个问题,并找到了它的原因和明显的解决方案

要重新创建:

df = pd.DataFrame({"foo": [1,2,3], "bar": [1,2,3]})
df.rename(columns={'foo': 'bar'}, inplace=True)

   bar  bar
0    1    1
1    2    2
2    3    3

df.groupby('bar')

ValueError: Grouper for 'bar' not 1-dimensional

就像许多神秘的熊猫错误一样,这个错误也源于两个具有相同名称的列.

确定要使用哪一个,重命名或删除另一个列并重做操作.

解

像这样重命名列

df.columns = ['foo', 'bar']

   foo  bar
0    1    1
1    2    2
2    3    3

df.groupby('bar')
<pandas.core.groupby.DataFrameGroupBy object at 0x1066dd950>

Answer 2

有一些内容需要添加到 @wm 的答案中。

如果要将多个列从一个数据帧添加到另一个数据帧：

df1[['col1', 'col2']] = df2[['col1', 'col2']]

它将创建一个多列索引，如果您尝试按 上的任何内容进行分组df1，则会出现此错误。

要解决此问题，请使用以下方法摆脱多索引

df1.columns = df1.columns.get_level_values(0)

Answer 3

TL;DR：
简单的例子：如果我要按职业分组一群人，你要么是工程师，要么是技术，不能两者兼而有之，否则 groupby 不知道是把你放在技术组还是工程师组.
不幸的是，您的代码同时分配了一些人（一些indexes在您的 df 中）进入 eng AND tech。

首先，只是为了确保我们真正了解是什么groupby()。

我们将使用这个示例水果df：

import pandas as pd
import numpy as np
df = pd.DataFrame(
    {"fruit": ['apple', 'apple', 'orange', 'orange'], "color": ['r', 'g', 'b', 'r']},
    index=[11, 22, 33, 44],
)

"""
[df] df:
+----+---------+---------+
|    | fruit   | color   |
|----+---------+---------|
| 11 | apple   | r       |
| 22 | apple   | g       |
| 33 | orange  | b       |
| 44 | orange  | r       |
+----+---------+---------+
"""

下面是一个非常有效的df.groupby()，不使用任何列名：

gp = df.groupby(
    {
        0: 'mine',
        1: 'mine',
        11: 'mine',
        22: 'mine',
        33: 'mine',
        44: 'you are rats with wings!',
    }
)
"""
[df] [group] mine:
+----+---------+---------+
|    | fruit   | color   |
|----+---------+---------|
| 11 | apple   | r       |
| 22 | apple   | g       |
| 33 | orange  | b       |
+----+---------+---------+

[df] [group] you are rats with wings!:
+----+---------+---------+
|    | fruit   | color   |
|----+---------+---------|
| 44 | orange  | r       |
+----+---------+---------+
"""

等等，groupby()甚至根本没有使用“水果”或“颜色”？！
这是正确的！groupby()不需要关心df“水果”或“颜色”或Nemo，groupby()只关心一件事，一个查找表，告诉它哪个索引映射到哪个标签（即组）。

例如，在这种情况下，传递给 的字典groupby()指示groupby()：
如果您看到 index 11，则它是 a "mine"，将具有该索引的行放在名为 的组中"mine"。
如果您看到 index 22，则它是 a "mine"，将具有该索引的行放入名为 的组中"mine"。
...
即使 0 和 1 不在里面df.index也不是问题

常规df.groupby('fruit')或df.groupby(df['fruit'])完全遵循上述规则。该列df['fruit']用作查找表，它告诉groupby()索引11是一个"apple"

现在，关于： Grouper for '<class 'pandas.core.frame.DataFrame'>' 不是一维的

它说的是真的： for some or all indexes in df, you are assigning MORE THAN just one label

让我们使用上面的示例检查一些可能的错误：
[x]df.groupby(df)不起作用，您给出了groupby()一个 2D 映射，每个索引被赋予了 2 个组名。它会抱怨：is index 11 an "apple" or an "r"? make up your mind!

[x] 下面的代码也不起作用。尽管映射现在是一维的，但它同时将索引映射11到"mine"以及"yours"。Pandasdf并sr允许非唯一索引，所以要小心。

mapping = pd.DataFrame(index= [ 11,     11,      22,     33,     44    ], 
                       data = ['mine', 'yours', 'mine', 'mine', 'yours'], )
df.groupby(mapping)

# different error message, but same idea
mapping = pd.Series(   index= [ 11,     11,      22,     33,     44    ], 
                       data = ['mine', 'yours', 'mine', 'mine', 'yours'], )
df.groupby(mapping)

Answer 4

当我不小心创建 MultiIndex 列时发生在我身上：

>>> values = np.asarray([[1, 1], [2, 2], [3, 3]])

# notice accidental double brackets around column list
>>> df = pd.DataFrame(values, columns=[["foo", "bar"]])

# prints very innocently
>>> df
  foo bar
0   1   1
1   2   2
2   3   3

# but throws this error
>>> df.groupby("foo")
ValueError: Grouper for 'foo' not 1-dimensional

# cause:
>>> df.columns
MultiIndex(levels=[['bar', 'foo']],
           labels=[[1, 0]])

# fix by using correct columns list
>>> df = pd.DataFrame(values, columns=["foo", "bar"])
>>> df.groupby("foo")
<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x7f9a280cbb70>