Question

问题已被编辑，请先阅读编辑。

我使用groupby方法对数据框中的数据进行分组，然后使用结果修改数据框（例如，更改其中一列中的bool值）我已经尝试过以下两种方式修改：

修改groupby.apply方法之外的df - 这会更改df但是再次输入apply方法时，这些更改就会消失。
通过groupby应用修改方法修改df。这不会改变df，并且下次进入应用方法时更改不会生效。

无论哪种方式，groupby.apply总是引用原始的df，无论如何以及是否被修改。

说明：

在[1]中：

df = DataFrame({'a':[1,1,1,3,3,3],'b':[2,2,2,4,4,4],'c':[True,True,True,True,True,True]})
df
Out[1]:
a   b   c
0    1   2   True
1    1   2   True
2    1   2   True
3    3   4   True
4    3   4   True
5    3   4   True

现在使用groupby：

In [2]:

def modify(grp):
    if grp.name==1:
        grp.c = False

def print_group(grp):
    print '\ngroup value is:' + str(grp.name) 
    print grp.c

gb = df.groupby('a')
gb.apply(modify);
gb.apply(print_group);

group value is:1
0    True
1    True
2    True
Name: c, dtype: bool

group value is:3
3    True
4    True
5    True
Name: c, dtype: bool

所以没有改变＆＃39; c＆＃39;柱

现在如果我正在修改外面的df：

In [3]:

df.ix[df.a==1,'c'] = False
df
Out[3]:
a   b   c
0    1   2   False
1    1   2   False
2    1   2   False
3    3   4   True
4    3   4   True
5    3   4   True

In [4]:

gb.apply(print_group);

group value is:1
0    True
1    True
2    True
Name: c, dtype: bool

group value is:3
3    True
4    True
5    True
Name: c, dtype: bool

所以似乎通过使用groupby，创建了df的副本，并通过.apply应用了它的更改？引擎盖下发生了什么？我如何在必要时使其工作？每当我修改df中的元素时，再次运行.groupby？这对我来说听起来非常广泛和多余。有人可以解释一下吗？

编辑：

我现在理解使用groupby的大部分问题的来源。根据我的口味，groupby机制在逻辑上太模糊，设计鼓励用户使用错误的原因。我看到这个的方式，大熊猫数据分析背后的整个想法是分组和应用。我认为分组是最昂贵的任务，所以我想到正确的用法是只分组一次，然后按照你想要的组进行。只要组成员不改变，您就不应该重新组合数据帧。这个想法也隐含在设计中，因为你可以保存一个groupby对象，对我来说这意味着pandas的作者想要只创建一个groupby对象一次。

从我下面的答案，以及＆＃34;不一致＆＃34;在下面描述不好，似乎这不是正确的用途。我现在开始认为正确使用是为每个操作重新组合，即使这些组本身没有改变。我不知道这是真的重新组合还是仅使用作为数据帧成员的分组对象。（如果过去做同样的分组）。

底线，我错过了使用groupby操作，这给了我奇怪的结果，你可以在这里看到：

首先，我定义了以下功能：

In [138]:

from pandas import *
def modify(grp):
    if grp.name==1:
        grp.c = False
    return grp
def print_group(grp):
    print '\ngroup value is:' + str(grp.name) 
    print grp.c

在[165]中：

df = DataFrame({'a':[1,1,3,3],'b':[2,2,4,4],'c':[True,True,True,True]})
gb = df.groupby('a')
df = gb.apply(modify);
gb.apply(print_group);
df
group value is:1
0    True
1    True
Name: c, dtype: bool
group value is:3
2    True
3    True
Name: c, dtype: bool
Out[165]:
a   b   c
0    1   2   False
1    1   2   False
2    3   4   True
3    3   4   True

这里我通过为修改函数的结果分配来改变df，然后我调用了打印功能，看它是否＆＃34;看到＆＃34;改变。可以看出，事实并非如此。

尝试一些不同的东西，给出了不同的结果：

In [168]:

df = DataFrame({'a':[1,1,3,3],'b':[2,2,4,4],'c':[True,True,True,True]})
gb = df.groupby('a')
df.ix[df.a==1,'c'] = False
gb.apply(print_group);
df
group value is:1
0    False
1    False
Name: c, dtype: bool
group value is:3
2    True
3    True
Name: c, dtype: bool
Out[168]:
a   b   c
0    1   2   False
1    1   2   False
2    3   4   True
3    3   4   True

在这里，我创建了一个数据帧，创建了一个groupby对象，将数据框改为inplace（这很重要），然后调用打印函数来查看groupby对象＆＃34;是否看到＆＃34;改变。它做了。在这篇文章的前面，它没有（见原帖子中的[3]，[4]和[4]）

正如您所看到的，这里的某些内容非常不一致。以下是我对所有这些混乱的解释：

在第一种情况下，当我分配给df从修改函数返回的内容时，我实际上在内存中创建了一个新变量。 groupby对象是一个不同的df变量，即内存中的不同位置。因此，df持有的信息不同于groupby＆＃34;看到＆＃34;。
在第二种情况下，进行了更改＆＃34; inplace＆＃34;，即在相同的内存分配中。因此，groupby看到了df看到了什么。
在原始情况下（参见[3]，在[4]和Out [4]中）对df进行了更改，但是在内存中的新位置。所以groupby引用一个地方，修改后的df指向另一个地方。

似乎用df [cond，＆＃39; culomn_name＆＃39;]更改数据框架，建议here不创建副本而是创建数据框视图，可能正在创建视图，但是在不同的内存分配中（即df的副本在内存点中进行更改，并且比原始名称分配了新内存点的位置，而groupby元素指的是现在放弃的内存位置）

这是我解释这些结果的唯一方法。希望您的确认。我认为不正确使用的唯一解决方案是每次调用groupby。人们只能希望df.groupby将groupby对象保存为df的成员，因此如果一次又一次地进行相同的groupby调用，则每次都不会从头开始调用它。

如果我是对的，groupby元素与数据帧之间的联系非常弱，并且无法完全预期几个数据帧修改和groupby操作的结果。那么解决方案是什么？为每个应用操作运行groupby？这似乎是多余的..

Answer 1

您只需要在函数中返回帧。 Apply获取函数的输出并创建一个新框架（已应用数据）;如果你在函数中返回None，那么它会使用原始文件（如果你没有返回一个值，那么你就是回归None}

In [22]: def f(x):
   ....:     if x.name == 1:
   ....:         x.c = False
   ....:     return x
   ....: 

In [24]: df.groupby('a').apply(f)
Out[24]: 
   a  b      c
0  1  2  False
1  1  2  False
2  1  2  False
3  3  4   True
4  3  4   True
5  3  4   True

groupby对象不使用更新的数据帧进行更新

1 个答案: