split-apply-Combine na pandach timedelta column

Question

Mam DataFrame z kolumną timedeltas (faktycznie po sprawdzeniu dtype jest timedelta64[ns] lub <m8[ns]) i chciałbym zrobić split-połączyć-zastosować, ale timedelta kolumna jest zrzucenie:

import pandas as pd 

import numpy as np 

pd.__version__ 
Out[3]: '0.13.0rc1' 

np.__version__ 
Out[4]: '1.8.0' 

data = pd.DataFrame(np.random.rand(10, 3), columns=['f1', 'f2', 'td']) 

data['td'] *= 10000000 

data['td'] = pd.Series(data['td'], dtype='<m8[ns]') 

data 
Out[8]: 
     f1  f2    td 
0 0.990140 0.948313 00:00:00.003066 
1 0.277125 0.993549 00:00:00.001443 
2 0.016427 0.581129 00:00:00.009257 
3 0.048662 0.512215 00:00:00.000702 
4 0.846301 0.179160 00:00:00.000396 
5 0.568323 0.419887 00:00:00.000266 
6 0.328182 0.919897 00:00:00.006138 
7 0.292882 0.213219 00:00:00.008876 
8 0.623332 0.003409 00:00:00.000322 
9 0.650436 0.844180 00:00:00.006873 

[10 rows x 3 columns] 

data.groupby(data.index < 5).mean() 
Out[9]: 
      f1  f2 
False 0.492631 0.480118 
True 0.435731 0.642873 

[2 rows x 2 columns] 

Albo, zmuszając pandy wypróbować działanie na kolumnie 'td':

data.groupby(data.index < 5)['td'].mean() 
--------------------------------------------------------------------------- 
DataError         Traceback (most recent call last) 
<ipython-input-12-88cc94e534b7> in <module>() 
----> 1 data.groupby(data.index < 5)['td'].mean() 

/path/to/lib/python3.3/site-packages/pandas-0.13.0rc1-py3.3-linux-x86_64.egg/pandas/core/groupby.py in mean(self) 
    417   """ 
    418   try: 
--> 419    return self._cython_agg_general('mean') 
    420   except GroupByError: 
    421    raise 

/path/to/lib/python3.3/site-packages/pandas-0.13.0rc1-py3.3-linux-x86_64.egg/pandas/core/groupby.py in _cython_agg_general(self, how, numeric_only) 
    669 
    670   if len(output) == 0: 
--> 671    raise DataError('No numeric types to aggregate') 
    672 
    673   return self._wrap_aggregated_output(output, names) 

DataError: No numeric types to aggregate 

Jednakże, biorąc średnią kolumny działa dobrze, więc operacje numeryczne powinny być możliwe:

data['td'].mean() 
Out[11]: 
0 00:00:00.003734 
dtype: timedelta64[ns] 

Oczywiście łatwo jest wymusić unoszenie się przed wykonaniem grupy, ale pomyślałem, że równie dobrze mogę spróbować zrozumieć, w co się natknąłem.

Edycja: Zobacz https://github.com/pydata/pandas/issues/5724

Answer 1

Okazuje się, że jest to kwestia pandy, to zachowanie needs to be implemented in groupby.py.

W międzyczasie zapraszam tego obejścia, która rzuca się unosić (jednostki sekund)

data['td'] = [10**-9 * float(td) for td in data['td']]