Pandas:groupby和datetime转换

我还是pandas的初学者，当我对多个列（包括一列dtype datetime64[ns]）使用groupby转换操作时，我偶然发现了一个非常奇怪的行为

我的（玩具）例子是：

import pandas as pd
df = pd.DataFrame({'date': [pd.datetime(2014,3,17),    pd.datetime(2014,3,24), pd.datetime(2014,3,17)], 'hdg_id': [4041,4041,4041],'stock': [1.0,1.0,1.0]})

In[117]: df
Out[117]: 
    date  hdg_id  stock
0 2014-03-17    4041      1
1 2014-03-24    4041      1
2 2014-03-17    4041      1

我现在按日期和hdg_id分组（对于hdg_id来说，这很简单，因为只有一个唯一的值，但我需要多个分组来生成结果，我的实际应用程序当然更复杂）：

这不是我期望的结果。如果我将列日期转换为字符串类型，我将得到预期结果：

In[129]: df['date']=df['date'].astype(str)
In[131]: df.groupby(['date', 'hdg_id']).transform(sum)
Out[131]: 
   stock
0      2
1      1
2      2

有人能告诉我发生了什么事吗

---

非常感谢

是否有理由使用.transform（sum）

你可以这样做： df.groupby（['date'，'hdg_id']）.sum（）

---

对我来说，这看起来像一个bug，如果分组的列不是datetime，那么它会按预期工作，同样，如果您通过这些列设置索引，那么它会按预期工作。这似乎是一个已知bug，将在下一个版本中修复：@John and Ed:非常感谢，至少在某种程度上，这是有用的：）。谢谢您的回答，但我需要转换，因为我需要保留原始数据帧以供进一步处理。

In[129]: df['date']=df['date'].astype(str)
In[131]: df.groupby(['date', 'hdg_id']).transform(sum)
Out[131]: 
   stock
0      2
1      1
2      2