groupby、apply 和 set 未按预期运行......这是一个错误吗？

Question

要查看问题，请考虑以下数据框

In [66]: dat = pandas.DataFrame(['a','b','c','d','e','f','g','h'],
                        columns=['letters'])

In [67]: dat['numbers'] = pandas.Series([1,2,3,4,5,6,7,8])

In [68]: dat['names'] = pandas.Series(['jim','jan','jerry','george'
                        ,'mary','mary','sue','sue'])

In [69]: dat
Out[69]:
  letters  numbers   names
0       a        1     jim
1       b        2     jan
2       c        3   jerry
3       d        4  george
4       e        5    mary
5       f        6    mary
6       g        7     sue
7       h        8     sue

按名称分组

In [78]: dat = dat.groupby(['names'])[['letters']]

现在我尝试连接字母产生了一个有趣的结果：

In [80]: dat.apply(lambda x: '|'.join(set(x)))
Out[80]:
names
george    letters|numbers|names
jan       letters|numbers|names
jerry     letters|numbers|names
jim       letters|numbers|names
mary      letters|numbers|names
sue       letters|numbers|names
dtype: object

以下技巧似乎有效，但为什么我需要再次选择“字母”，为什么上面的输出看起来像它一样？

In [84]: dat.apply(lambda x: '|'.join(set(x['letters'])))
Out[84]:
names
george      d
jan         b
jerry       c
jim         a
mary      e|f
sue       h|g
dtype: object

这可能是一个错误吗？

安装版本

提交：无 蟒蛇：2.7.5.final.0 蟒蛇位：64 操作系统：达尔文 操作系统版本：13.1.0 机器：x86_64 处理器：i386 字节序：很少 LC_ALL：无 LANG: en_US.UTF-8

熊猫：0.13.1 赛通：0.20.1 麻木：1.6.2 scipy：0.11.0 统计模型：0.5.0 IPython：2.0.0 狮身人面像：1.2.2 帕西：0.2.1 scikits.timeseries：无 日期工具：1.5 皮茨：2012d 瓶颈：无 表：无 numexpr：无 matplotlib：1.1.1 openpyxl：无 xlrd：无 xlwt：无 xlsxwriter：无 sqlalchemy：无 lxml：3.3.5 bs4：4.3.2 html5lib：无 bq：无 apiclient：无

Answer 1

这可能看起来有点奇怪，但正如你看到的一组 DataFrame 是它的列：

In [11]: dat
Out[11]:
  letters  numbers   names
0       a        1     jim
1       b        2     jan
2       c        3   jerry
3       d        4  george
4       e        5    mary
5       f        6    mary
6       g        7     sue
7       h        8     sue

[8 rows x 3 columns]

In [12]: set(dat)
Out[12]: {'letters', 'names', 'numbers'}

这是由于您遍历 DataFrame 的方式（按列）​​：

In [13]: for i in dat: print(i)
letters
numbers
names

这将与 SeriesGroupBy 一起使用（遍历 Series 遍历其元素）：

In [21]: g = dat.groupby(['names'])['letters']

In [22]: g.apply(lambda x: '|'.join(set(x)))
Out[22]:
names
george      d
jan         b
jerry       c
jim         a
mary      e|f
sue       h|g
dtype: object

注意：您不需要 set，实际上也不需要 lambda：

In [23]: g.apply('|'.join)
Out[23]:
names
george      d
jan         b
jerry       c
jim         a
mary      e|f
sue       g|h
dtype: object