在 groupby 之后来自 nunique 的奇怪输出

Question

我对以下代码的行为很感兴趣：

import pandas as pd
df = pd.DataFrame({'Name':['A','A','B','B','B'],
                   'Date':['2020-01-01','2020-01-02','2020-01-01','2020-01-02','2020-01-03']})
df['Date'] = pd.to_datetime(df['Date'],infer_datetime_format=True)
df['Data_Points'] = df.groupby(['Name'])['Date'].transform('nunique')
print(df)

哪些输出：

  Name       Date                   Data_Points
0    A 2020-01-01 1970-01-01 00:00:00.000000002
1    A 2020-01-02 1970-01-01 00:00:00.000000002
2    B 2020-01-01 1970-01-01 00:00:00.000000003
3    B 2020-01-02 1970-01-01 00:00:00.000000003
4    B 2020-01-03 1970-01-01 00:00:00.000000003

如果pandas.Series.nunique 的文档明确指出，为什么我在使用transform('nunique') 后会得到一个日期时间值：

返回对象中唯一元素的数量。

返回： 诠释

而pandas.DataFrame.transform 没有提到任何关于保留聚合列的 dtype 的内容，只是：

在自身上调用 func 生成具有转换值的 DataFrame。 生成的 DataFrame 将具有与自身相同的轴长度。

因此，当结合这两个功能时，为什么我得到一个datetime 而不是nunique() 所说的int？在定义转换列的dtype 时，聚合的dtype 是否优先于transform() 方法中传递的函数？这是预期的行为吗？

Answer 1

IIUC，这是因为转换后的结果作为日期时间（原始）类型插入回来。添加astype(int)即可解决：

df.groupby('Name')["Date"].transform("nunique").astype(int)

输出：

0    2
1    2
2    3
3    3
4    3
Name: Date, dtype: int64

Answer 2

我认为这是错误，可能的解决方案：

df['Data_Points'] = df.groupby(['Name'])['Date'].transform(pd.Series.nunique)
print(df)
  Name       Date  Data_Points
0    A 2020-01-01            2
1    A 2020-01-02            2
2    B 2020-01-01            3
3    B 2020-01-02            3
4    B 2020-01-03            3