groupbyがうまく機能しない

Question

実現したいこと

「pythonプログラミングとデータ分析」という書籍に沿って勉強を進めています。
下記の通り、groupbyメソッドを使用したいのですが、うまく動作しませんでした。
原因をご教示いただけると助かります。。。

発生している問題・分からないこと

下記エラーメッセージが表示されます

エラーメッセージ

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.10/dist-packages/pandas/core/groupby/groupby.py in _agg_py_fallback(self, how, values, ndim, alt)
   1941         try:
-> 1942             res_values = self._grouper.agg_series(ser, alt, preserve_dtype=True)
   1943         except Exception as err:

17 frames
TypeError: can only concatenate str (not "int") to str

The above exception was the direct cause of the following exception:

TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.10/dist-packages/pandas/core/groupby/groupby.py in _agg_py_fallback(self, how, values, ndim, alt)
   1944             msg = f"agg function failed [how->{how},dtype->{ser.dtype}]"
   1945             # preserve the kind of exception that raised
-> 1946             raise type(err)(msg) from err
   1947 
   1948         if ser.dtype == object:

TypeError: agg function failed [how->mean,dtype->object]

該当のソースコード

zip_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank.zip'
fn = 'bank-full.csv'

!wget $zip_url
!unzip -o bank.zip

import pandas as pd

df = pd.read_csv(
    fn,
    sep = ';',
    na_values='unknown',
    true_values=['yes'],
    false_values=['no'])

columns = [
    '年齢','職業','婚姻','学歴','債務不履行','平均残高','住宅ローン','個人ローン','連絡手段','最終通話日','最終通話月','最終通話秒数','通話回数_販促中','前回販促後_経過日数','通話回数_販促前','前回販促結果','今回販促結果']

df2 = df.copy()
df2.columns = columns

columns1 = list(df2.columns)
print(columns1)
columns2 = columns1[-1:]+columns1[:-9]
print(columns2)
df2 = df2[columns2]

df_gr1 = df2.groupby('学歴').mean()

display(df_gr1)

試したこと・調べたこと

• teratailやGoogle等で検索した
• ソースコードを自分なりに変更した
• 知人に聞いた
• その他

上記の詳細・結果

書籍を見返しても、誤字した箇所がわからず・・・
ご教示いただけますと幸いです。
よろしくお願いいたします。

補足

特になし

Comments

[melian]

mean() メソッドに numeric_only=True を指定してください。

df_gr1 = df2.groupby('学歴').mean(numeric_only=True)

[abcd_e_gq]

melian様、ありがとうございます！

該当のコードは、文字型である「学歴」も計算対象となっていたがためのエラーだったのですね。

ご指摘いただいた通り記載してみたところ、問題なく結果が表示されました。ありがとうございました。

Answer 1

コメントに記載した通り、mean() メソッドに numeric_only=True を指定する必要がありますが、当該書籍の正誤表にも同様の記載がありました。

4章 p.358 コード4-15 2行目
(出版時)
df.groupby('客室クラス').mean()
(現在)
df.groupby('客室クラス').mean(numeric_only=True)

書籍の初版が発行された時点での numeric_only キーワードのデフォルト値が None であり、Pandas の最新版(2.2.3)でのデフォルト値は False であるために発生したエラーだと考えられます。

• pandas.DataFrame.mean — pandas 0.23.3 documentation

numeric_only: boolean, default None

Include only float, int, boolean columns. If None, will attempt to use everything, then use only numeric data. Not implemented for Series.

• pandas.DataFrame.mean — pandas 2.2.3 documentation

numeric_only: bool, default False
Include only float, int, boolean columns. Not implemented for Series.

Answer 2

mean関数は数値型のデータに対してのみ適用可能であり、数値型じゃないデータに対しては適用できないです。
なので、数値型の列のみを選択してmeanを適用しましょう。

（前半の元のコードは修正不要なので省略）

（後半のデータ抽出部分を以下のように修正）

df_gr1 = df2.groupby('学歴').mean(numeric_only=True)

display(df_gr1)

Comments

[abcd_e_gq]

kotori_a様

ありがとうございます！
データの中でも、特定の特徴を持つデータのみ指定することが可能なのですね。

いただいた修正コードで試してみたところ、うまく作動いたしました。
ありがとうございました。

[abcd_e_gq]

melian様の方法でもうまく動作したのですが、コメントによる回答であったことからベストアンサーに選ぶことができず、kotori_a様をベストアンサーに選ばせていただきました。
迅速にご回答をいただき、ありがとうございました。