Question

考虑DataFrame：

import pandas as pd
df = pd.DataFrame({'A':[1,2,1,2],
                   'B':[1,2,1,2],
                   'C':list('WXYZ'),
                   'D':list('abcd')})
df.set_index('A', inplace=True)
print(df)
#    B  C  D
# A         
# 1  1  W  a
# 2  2  X  b
# 1  1  Y  c
# 2  2  Z  d

def myagg(x):
    print(type(x).__name__)
    print(x)

通常，df.groupby(...).agg(myagg)会将（子）DataFrame传递给 myagg。例如，

df.groupby(level=0).agg(myagg)
# DataFrame
#    B  C  D
# A         
# 1  1  W  a
# 1  1  Y  c
# DataFrame
#    B  C  D
# A         
# 2  2  X  b
# 2  2  Z  d

但是，如果使用多级索引，则myagg将传递给Series：

df2 = df.set_index(['B'], append=True)
df2.groupby(level=['A','B']).agg(myagg)
# Series
# A  B
# 1  1    W
#    1    Y
# Name: C
# Series
# A  B
# 2  2    X
#    2    Z
# Name: C
# Series
# A  B
# 1  1    a
#    1    c
# Name: D
# Series
# A  B
# 2  2    b
#    2    d
# Name: D

有时这可能非常有用，但我想更好地理解 agg何时将单列（系列）传递给myagg，以及何时通过整个DataFrames？

Answer 1

Prob需要通过所有案例，但这里有一些经验法则（假设在DataFrame上进行分组）：

如果您通过dict或list申请，您将逐项收料，IOW，您将获得Series
< / LI>
以字符串形式传递的单个聚合器（例如mean,sum）将作为 DataFrame（您实际上会在不同的dtyped块上多次调用）
传递函数，与单字符串聚合器

现在为了问题。

如果传递的函数爆炸（意味着引发TypeError），这意味着它将逐项进行（因此您将获得Series）

我相信如果只有一个小组，你会得到一个DataFrame，但如果有什么东西爆炸，我会再次逐项退回。

回答unutbu问题：

当拥有多个密钥（例如第二个示例）时，默认是使用具有多索引的系列进行聚合，而单个密钥将进行数据框聚合（取决于我的上述问题）

pandas / core / groupby.py

中的第1745行

   if self.grouper.nkeys > 1:
        return self._python_agg_general(arg, *args, **kwargs)
    else:
        result = self._aggregate_generic(arg, *args, **kwargs)

什么时候df.groupby（...）。agg（myagg）将一个系列传递给myagg？

1 个答案: