¿Cómo se usa el método de la media en una serie temporal de pandas con valores de tipo Decimal?

Question

Necesito almacenar los valores de tipo de decimal de Python en un objeto pandas TimeSeries/DataFrame. Pandas me da un error cuando uso el "groupby" y "mean" en el TimeSeries/DataFrame. El siguiente código basado en flotadores funciona bien:

[0]: by = lambda x: lambda y: getattr(y, x) 

[1]: rng = date_range('1/1/2000', periods=40, freq='4h') 

[2]: rnd = np.random.randn(len(rng)) 

[3]: ts = TimeSeries(rnd, index=rng) 

[4]: ts.groupby([by('year'), by('month'), by('day')]).mean() 
2000 1 1 0.512422 
     2 0.447235 
     3 0.290151 
     4 -0.227240 
     5 0.078815 
     6 0.396150 
     7 -0.507316 

pero me da un error si hacer las mismas utilizando valores decimales en lugar de flotadores:

[5]: rnd = [Decimal(x) for x in rnd]  

[6]: ts = TimeSeries(rnd, index=rng, dtype=Decimal) 

[7]: ts.groupby([by('year'), by('month'), by('day')]).mean() #Crash! 

Traceback (most recent call last): 
File "C:\Users\TM\Documents\Python\tm.py", line 100, in <module> 
print ts.groupby([by('year'), by('month'), by('day')]).mean() 
File "C:\Python27\lib\site-packages\pandas\core\groupby.py", line 293, in mean 
return self._cython_agg_general('mean') 
File "C:\Python27\lib\site-packages\pandas\core\groupby.py", line 365, in _cython_agg_general 
raise GroupByError('No numeric types to aggregate') 
pandas.core.groupby.GroupByError: No numeric types to aggregate 

El mensaje de error es "GroupByError ('No hay tipos numéricos agregar')". ¿Hay alguna posibilidad de utilizar las agregaciones estándar como suma, media y cuantileon en TimeSeries o DataFrame que contienen valores decimales?

¿Por qué no funciona y existe la posibilidad de tener una alternativa igualmente rápida si no es posible?

EDIT: Me acabo de dar cuenta que la mayoría de las otras funciones (mínimo, máximo, mediana, etc.) funcionan bien, pero no la función significa que yo necesito desesperadamente :-(

Answer 1

import numpy as np 
ts.groupby([by('year'), by('month'), by('day')]).apply(np.mean)