转换前后的 Pandas groupby 索引

Question

我解决这个问题的动机是我试图对记录进行重复数据删除。有些字段可以删除，但我想要其他字段的总和。 对于以下数据框，

In [48]: rand = np.random.RandomState(1)
         df = pd.DataFrame({'A': ['foo', 'bar'] * 2 + ['baz', 'qux'],
                                        'B': rand.randn(6),
                                        'C': rand.randint(0, 20, 6),
         })
In [49]: df.sort('A', inplace=1)
Out[49]:      A         B   C
         1  bar -0.611756  18
         3  bar -1.072969  10
         4  baz  0.865408  14
         2  foo -0.528172  11
         0  foo  1.624345   5
         5  qux -2.301539  18

我想对具有相同A 值的记录进行重复数据删除，但保留B 的总和（在某些情况下可能还有C）。我认为 groupby 的转换应该做我想要的：

In [50]: df.groupby('A')[['B']].transform(sum)
Out[50]:           B
         1 -1.684725
         3 -1.684725
         4  0.865408
         2  1.096174
         0  1.096174
         5 -2.301539

但由于某种原因，我注意到在最后索引时它并没有给我想要的东西：

In [51]: df.groupby('A').transform(sum)[['B']]
Out[51]:           B
         1 -0.611756
         3 -1.072969
         4  0.865408
         2 -0.528172
         0  1.624345
         5 -2.301539

为什么会有差异？此外，当我尝试在 2 列上进行转换时，它并没有达到我的预期：

In [52]: df.groupby('A')[['B', 'C']].transform(sum) #same result as df.groupby('A').transform(sum)[['B', 'C']]
Out[52]:           B   C
         1 -0.611756  18
         3 -1.072969  10
         4  0.865408  14
         2 -0.528172  11
         0  1.624345   5
         5 -2.301539  18

我不介意这种情况下的差异，但在我正在开发的应用程序中，它实际上正在做相反的事情，但我找不到重现它的示例（即，df.groupby('A').transform(sum)[['B', 'C']] 给了我什么我想要，但更快的df.groupby('A')[['B', 'C']].transform(sum) 没有）。

Answer 1

我认为它在于transform 方法。如果您查看documentation，它会说transform 返回一个对象，该对象的索引与被分组的对象相同（相同大小）。其实你的

df.groupby('A').transform(sum)[['B']]

根本不做任何求和。

如果您只需要总和，那么：

df.groupby('A')[['B']].sum()

或者这个：

df.groupby('A').sum()[['B']]

应该这样做，它们会产生相同的结果。