如何按字典分组和聚合熊猫数据目录[副本]

Question

该索引有15个国家名称。我还有一本字典：

ContinentDict  = {'China':'Asia', 
              'United States':'North America', 
              'Japan':'Asia', 
              'United Kingdom':'Europe', 
              'Russian Federation':'Europe', 
              'Canada':'North America', 
              'Germany':'Europe', 
              'India':'Asia',
              'France':'Europe', 
              'South Korea':'Asia', 
              'Italy':'Europe', 
              'Spain':'Europe', 
              'Iran':'Asia',
              'Australia':'Australia', 
              'Brazil':'South America'}

词典中的所有国家都出现在数据目录中。使用给定的字典，我需要“按大陆对国家进行分组，然后创建一个数据框架，显示每个国家估计人口的平均值和性病偏差。”

这是我尝试的代码：

df2=df.groupby(ContinentDict)['Estimated Population'].agg({'mean':np.mean,'std':np.std})

当我运行这段代码时，我得到错误“没有要聚合的数字类型”

然后我尝试了以下代码：

df2=pd.to_numeric(df.groupby(ContinentDict)['Estimated Population']).agg({'mean':np.mean,'std':np.std})

这会给我一个错误“缓冲区的维度数不对（预期为1，实际为2）”

如何消除这些错误并获得所需的数据库？

Answer 1

在应用.agg函数之前，需要更改估计填充列的dtype。

使用：

df['Estimated Population'] = df['Estimated Population'].astype(float)

或者，

df['Estimated Population'] = pd.to_numeric(df['Estimated Population'])