Python Pandas GroupBy.apply方法复制第一个组

我的第一个问题是： 我对pandas（0.12.0-4）中groupby的apply方法的这种行为感到困惑，它似乎对数据帧的第一行应用了两次函数。例如：

>>> from pandas import Series, DataFrame
>>> import pandas as pd
>>> df = pd.DataFrame({'class': ['A', 'B', 'C'], 'count':[1,0,2]})
>>> print(df)
   class  count  
0     A      1  
1     B      0    
2     C      2

我首先检查groupby函数是否正常工作，它似乎很好：

>>> for group in df.groupby('class', group_keys = True):
>>>     print(group)
('A',   class  count
0     A      1)
('B',   class  count
1     B      0)
('C',   class  count
2     C      2)

然后，我尝试在groupby对象上使用apply执行类似的操作，并两次获得第一行输出：

>>> def checkit(group):
>>>     print(group)
>>> df.groupby('class', group_keys = True).apply(checkit)
  class  count
0     A      1
  class  count
0     A      1
  class  count
1     B      0
  class  count
2     C      2

任何帮助都将不胜感激！谢谢

编辑：@Jeff提供了下面的答案。我是稠密的，没有立即理解它，因此这里有一个简单的例子来说明，尽管在上面的例子中第一个组有双重打印输出，apply方法只在第一个组上运行一次，并且不会改变原始数据帧：

>>> def addone(group):
>>>     group['count'] += 1
>>>     return group

>>> df.groupby('class', group_keys = True).apply(addone)
>>> print(df)

      class  count
0     A      1
1     B      0
2     C      2

但通过将方法的返回分配给新对象，我们可以看到它按预期工作：

>>> df2 = df.groupby('class', group_keys = True).apply(addone)
>>> print(df2)

      class  count
0     A      2
1     B      1
2     C      3

---

这是通过设计实现的，如所述和

apply

函数需要知道返回数据的形状，以便智能地确定如何组合这些数据。要做到这一点，它会调用函数两次（在您的例子中是checkit）

根据您的实际用例，您可以将对

apply

的调用替换为

aggregate

、

transform

或

filter

，如详细所述。这些函数要求返回值是特定的形状，因此不要调用函数两次

---

但是-如果您正在调用的函数没有副作用，则函数在第一个值上被调用两次很可能无关紧要。

您可以使用for循环来避免groupby。应用重复的第一行

log_sample.csv

guestid,keyword
1,null
2,null
2,null
3,null
3,null
3,null
4,null
4,null
4,null
4,null

我的代码剪了

df=pd.read_csv("log_sample.csv") 
grouped = df.groupby("guestid")

for guestid, df_group in grouped:
    print(list(df_group['guestid'])) 

df.head(100)

输出

[1]
[2, 2]
[3, 3, 3]
[4, 4, 4, 4]

此“问题”现已修复：升级到0.25+ 从v0.25开始，

GroupBy.apply（）。看


文件中的相关示例：

pd.__version__                                                                                                          
# '0.25.0.dev0+590.g44d5498d8'

df = pd.DataFrame({"a": ["x", "y"], "b": [1, 2]})                                                                      

def func(group): 
    print(group.name) 
    return group                                                                                                                     

新行为（>=v0.25）：

旧行为（从v0.25开始，行为将发生变化，因此第一组仅评估一次。。请更新接受的答案，因为旧答案不再有效。哦，因此基本上熊猫仍将在第一行运行两次
apply
。此修复仅适用于groupby.apply.dam中的组。@cmcdragokai现在.apply

。熊猫的哪个版本？

df.groupby('a').apply(func)                                                                                            
x
y

   a  b
0  x  1
1  y  2

df.groupby('a').apply(func)
x
x
y

   a  b
0  x  1
1  y  2