df.groupby(...).agg(set) 与 df.groupby(...).agg(lambda x: set(x)) 相比产生不同的结果

Question

回答this question 结果发现df.groupby(...).agg(set) 和df.groupby(...).agg(lambda x: set(x)) 产生了不同的结果。

数据：

df = pd.DataFrame({
       'user_id': [1, 2, 3, 4, 1, 2, 3], 
       'class_type': ['Krav Maga', 'Yoga', 'Ju-jitsu', 'Krav Maga', 
                      'Ju-jitsu','Krav Maga', 'Karate'], 
       'instructor': ['Bob', 'Alice','Bob', 'Alice','Alice', 'Alice','Bob']})

演示：

In [36]: df.groupby('user_id').agg(lambda x: set(x))
Out[36]:
                    class_type    instructor
user_id
1        {Krav Maga, Ju-jitsu}  {Alice, Bob}
2            {Yoga, Krav Maga}       {Alice}
3           {Ju-jitsu, Karate}         {Bob}
4                  {Krav Maga}       {Alice}

In [37]: df.groupby('user_id').agg(set)
Out[37]:
                                class_type                         instructor
user_id
1        {user_id, class_type, instructor}  {user_id, class_type, instructor}
2        {user_id, class_type, instructor}  {user_id, class_type, instructor}
3        {user_id, class_type, instructor}  {user_id, class_type, instructor}
4        {user_id, class_type, instructor}  {user_id, class_type, instructor}

我希望这里有同样的行为 - 你知道我错过了什么吗？

Answer 1

好的，这里发生的事情是 set 没有被处理，因为它不是 _aggregate 中的 is_list_like：

elif is_list_like(arg) and arg not in compat.string_types:

见source

这不是is_list_like，所以它在调用链上返回None，并在这一行结束：

results.append(colg.aggregate(a))

见source

这会将TypeError 提升为TypeError: 'type' object is not iterable

然后引发：

if not len(results):
    raise ValueError("no results")

见source

所以因为我们没有结果，所以我们最终调用_aggregate_generic：

见source

然后调用：

result[name] = self._try_cast(func(data, *args, **kwargs)

见source

这最终会变成：

(Pdb) n
> c:\programdata\anaconda3\lib\site-packages\pandas\core\groupby.py(3779)_aggregate_generic()
-> return self._wrap_generic_output(result, obj)

(Pdb) result
{1: {'user_id', 'instructor', 'class_type'}, 2: {'user_id', 'instructor', 'class_type'}, 3: {'user_id', 'instructor', 'class_type'}, 4: {'user_id', 'instructor', 'class_type'}}

我正在运行一个稍微不同版本的 pandas，但等效的源代码行是 https://github.com/pandas-dev/pandas/blob/v0.22.0/pandas/core/groupby.py#L3779

所以本质上是因为set 不算作函数或可迭代对象，它只是折叠为调用系列可迭代对象上的 ctor，在本例中是列，您可以在此处看到相同的效果：

In [8]:

df.groupby('user_id').agg(lambda x: print(set(x.columns)))
{'class_type', 'instructor', 'user_id'}
{'class_type', 'instructor', 'user_id'}
{'class_type', 'instructor', 'user_id'}
{'class_type', 'instructor', 'user_id'}
Out[8]: 
        class_type instructor
user_id                      
1             None       None
2             None       None
3             None       None
4             None       None

但是当您使用 lambda 这是一个匿名函数时，它会按预期工作。

Answer 2

也许正如@Edchum 评论的agg 应用python 内置函数，将groupby 对象视为一个迷你数据框，而当传递定义的函数时，它将应用于每一列。说明这一点的一个例子是通过打印。

df.groupby('user_id').agg(print,end='\n\n')

 class_type instructor  user_id
0  Krav Maga        Bob        1
4   Ju-jitsu      Alice        1

  class_type instructor  user_id
1       Yoga      Alice        2
5  Krav Maga      Alice        2

  class_type instructor  user_id
2   Ju-jitsu        Bob        3
6     Karate        Bob        3


df.groupby('user_id').agg(lambda x : print(x,end='\n\n'))

0    Krav Maga
4     Ju-jitsu
Name: class_type, dtype: object

1         Yoga
5    Krav Maga
Name: class_type, dtype: object

2    Ju-jitsu
6      Karate
Name: class_type, dtype: object

3    Krav Maga
Name: class_type, dtype: object

...

希望这就是应用 set 给出上述结果的原因。