Python 为什么groupby（）.transform（）需要唯一索引？

我想使用groupby（）.transform（）对（排序）数据集中的每个记录块进行自定义（累积）转换。除非我确保我有唯一的钥匙，否则它不会工作。为什么?

下面是一个玩具示例：

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

给出了预期的：

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

但如果“a”是一把钥匙，那么一切都会出错：

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

但如果您转换整个数据帧，则可以使其工作，如：

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

甚至是一列数据帧（而不是系列）：

---

我觉得我还缺少一些深层次的东西。有人能帮我澄清一下吗？

这是一个bug，因为在pandas中修复了它（当然是在0.15.2中，IIRC在0.14中修复了），所以您不应该再看到这个异常

---

作为一种解决方法，在早期版本中，您可以使用：

您可以将其分配给df中的一列

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

---

是的，这就是我想要的——a群中b的部分和。我澄清了上面的说明。在我的实际示例中，“a”是一个时间戳，b是其他一些键，因此我的数据集实际上是不同长度的时间序列的集合（在时间上重叠，在组内和组间包含重复的时间戳）。我正在使用transform（）对每个时间序列段进行累积操作，如移动平均等。很酷，谢谢-我想我不明白apply（）和transform（）之间的区别。转换是否更具限制性？？？@Patricksury我想知道这是否是一个bug，它看起来确实应该适合转换类别…@Patricksury transform希望组中的所有内容都有一个结果，而apply希望组中的每一行都有一个值。虽然这两种行为都是组（子数据帧）的行为，所以有点混乱。这是有道理的，但似乎并没有很清楚的记录。例如，它首先将转换描述为应用的一种形式，然后使它们听起来几乎是等效的：“……对于这些，使用应用函数，它可以在许多标准用例中替代聚合和转换。然而，应用可以处理一些特殊的用例，例如……”

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

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

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