pandas.DataFrame.groupby是否保证稳定？

Question

我注意到pd.DataFrame.groupby有几种用法后跟apply隐式假设groupby是stable - 也就是说，如果 a < / em>和 b 是同一组的实例，预先分组， a 出现在 b 之前，然后 a 也会在分组后出现在 b 之前。

我认为有几个答案显然隐含地使用了这个，但是，具体来说，这里是one using groupby+cumsum。

这种行为真的有什么前途吗？该文档仅说明：

  

使用mapper（dict或key函数，将给定函数应用于组，将结果作为系列返回）或一系列列的组系列。

此外，大熊猫有指数，理论上也可以在没有这种保证的情况下实现功能（尽管以更加繁琐的方式）。

Answer 1

虽然文档内部没有说明，但它在生成组时使用稳定排序。

见：

• https://github.com/pydata/pandas/blob/master/pandas/core/groupby.py#L291
• https://github.com/pydata/pandas/blob/master/pandas/core/groupby.py#L4356

正如我在评论中提到的，如果你考虑transform将返回一个系列，其索引与原始df对齐，这一点非常重要。如果排序没有保留顺序，那么这将使对齐执行额外的工作，因为它需要在分配之前对系列进行排序。事实上，这是in the comments：

  

_algos.groupsort_indexer实施计算排序，至少是这样       O(ngroups)，其中

     

ngroups = prod(shape)

     

shape = map(len, keys)

     

即，独特的组合（笛卡尔积）的数量是线性的       groupby键的值。当进行多键组合时，这可能是巨大的。       np.argsort(kind='mergesort')是O(count x log(count))，其中count是       数据帧的长度;       两种算法都是稳定排序，这对于正确性是必要的       groupby操作。

     

e.g。考虑：           df.groupby(key)[col].transform('first')

Answer 2

是的； DataFrame.groupby 的 sort 参数的描述现在承诺 groupby（有或没有键排序）“保留每个组中的行顺序”：

<块引用>

sort : bool，默认 True

对组键进行排序。获得更好的性能 关闭此功能。请注意，这不会影响顺序 每组内的观察。 Groupby 保留行的顺序 每个组内。