python - 为什么 pandas groupby().transform() 需要唯一索引？

Question

我想使用 groupby().transform() 对(排序的)数据集中的每个记录 block 进行自定义(累积)转换。除非我确保我有一个唯一的 key ，否则它不起作用。为什么？

这是一个玩具示例:

df = pd.DataFrame([[1,1],
                  [1,2],
                  [2,3],
                  [3,4],
                  [3,5]], 
                  columns='a b'.split())
df['partials'] = df.groupby('a')['b'].transform(np.cumsum)
df

给出预期的:

     a   b   partials
0    1   1   1
1    1   2   3
2    2   3   3
3    3   4   4
4    3   5   9

但是如果 'a' 是一个键，一切都会出错:

df = df.set_index('a')
df['partials'] = df.groupby(level=0)['b'].transform(np.cumsum)
df

---------------------------------------------------------------------------
Exception                                 Traceback (most recent call last)
<ipython-input-146-d0c35a4ba053> in <module>()
      3 
      4 df = df.set_index('a')
----> 5 df.groupby(level=0)['b'].transform(np.cumsum)

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/groupby.pyc in transform(self, func, *args, **kwargs)
   1542             res = wrapper(group)
   1543             # result[group.index] = res
-> 1544             indexer = self.obj.index.get_indexer(group.index)
   1545             np.put(result, indexer, res)
   1546 

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/index.pyc in get_indexer(self, target, method, limit)
    847 
    848         if not self.is_unique:
--> 849             raise Exception('Reindexing only valid with uniquely valued Index '
    850                             'objects')
    851 

Exception: Reindexing only valid with uniquely valued Index objects

如果您在分组之前选择“b”列，则会出现同样的错误，即。

df['b'].groupby(level=0).transform(np.cumsum)

但是如果你转换整个数据框，你可以让它工作，比如:

df.groupby(level=0).transform(np.cumsum)

甚至是单列数据框(而不是系列):

df.groupby(level=0)[['b']].transform(np.cumsum)

我觉得GroupBy-fu还有一些深奥的地方|我失踪了。有人可以让我直截了当吗？

Answer 1

这是一个错误，因为已在 pandas 中修复(当然是在 0.15.2 中，IIRC 在 0.14 中已修复)，所以您不应再看到此异常。

---

作为解决方法，在早期的 pandas 中，您可以使用 apply :

In [10]: g = df.groupby(level=0)['b']

In [11]: g.apply(np.cumsum)
Out[11]:
a
1    1
1    3
2    3
3    4
3    9
dtype: int64

你可以将它分配给 df 中的列

In [12]: df['partial'] = g.apply(np.cumsum)