python - Pandas 变换()与应用()

Question

我不明白为什么 apply 和 transform 在同一数据帧上调用时返回不同的数据类型。之前我向自己解释这两个函数的方式大致是“apply 折叠数据，transform 与 apply 做完全相同的事情” code> 但保留了原始索引并且不会崩溃。”请考虑以下事项。

df = pd.DataFrame({'id': [1,1,1,2,2,2,2,3,3,4],
                   'cat': [1,1,0,0,1,0,0,0,0,1]})

让我们识别那些在 cat 列中具有非零条目的 id。

>>> df.groupby('id')['cat'].apply(lambda x: (x == 1).any())
id
1     True
2     True
3    False
4     True
Name: cat, dtype: bool

太棒了。但是，如果我们想创建一个指示器列，我们可以执行以下操作。

>>> df.groupby('id')['cat'].transform(lambda x: (x == 1).any())
0    1
1    1
2    1
3    1
4    1
5    1
6    1
7    0
8    0
9    1
Name: cat, dtype: int64

我不明白为什么 dtype 现在是 int64 而不是 any() 函数返回的 bool 值。

当我将原始数据框更改为包含一些 bool 值(请注意零仍然存在)时，转换方法会在 object 列中返回 bool 值。这对我来说是一个额外的谜，因为所有的值都是 bool 值，但它被列为 object 显然是为了匹配原始的整数和 bool 混合类型列的 dtype .

df = pd.DataFrame({'id': [1,1,1,2,2,2,2,3,3,4],
                   'cat': [True,True,0,0,True,0,0,0,0,True]})

>>> df.groupby('id')['cat'].transform(lambda x: (x == 1).any())
0     True
1     True
2     True
3     True
4     True
5     True
6     True
7    False
8    False
9     True
Name: cat, dtype: object

但是，当我使用所有 bool 值时，转换函数返回一个 bool 值列。

df = pd.DataFrame({'id': [1,1,1,2,2,2,2,3,3,4],
                   'cat': [True,True,False,False,True,False,False,False,False,True]})

>>> df.groupby('id')['cat'].transform(lambda x: (x == 1).any())
0     True
1     True
2     True
3     True
4     True
5     True
6     True
7    False
8    False
9     True
Name: cat, dtype: bool

利用我敏锐的模式识别技巧，结果列的 dtype 似乎与原始列的相同。我将不胜感激关于为什么会发生这种情况或 transform 函数中发生的事情的任何提示。干杯。

Answer 1

看起来 SeriesGroupBy.transform() 试图将结果 dtype 转换为与原始列相同的数据类型，但 DataFrameGroupBy.transform() 没有似乎是这样做的:

In [139]: df.groupby('id')['cat'].transform(lambda x: (x == 1).any())
Out[139]:
0    1
1    1
2    1
3    1
4    1
5    1
6    1
7    0
8    0
9    1
Name: cat, dtype: int64

#                         v       v
In [140]: df.groupby('id')[['cat']].transform(lambda x: (x == 1).any())
Out[140]:
     cat
0   True
1   True
2   True
3   True
4   True
5   True
6   True
7  False
8  False
9   True

In [141]: df.dtypes
Out[141]:
cat    int64
id     int64
dtype: object