pandas.DataFrame.groupby 保证稳定吗？答案

【问题标题】：Is pandas.DataFrame.groupby Guaranteed To Be Stable?pandas.DataFrame.groupby 保证稳定吗？
【发布时间】：2017-01-15 09:01:30
【问题描述】：

我注意到pd.DataFrame.groupby 有多种用法，后跟apply 隐含假设groupby 是stable - 也就是说，如果 a 和 b 是同组的实例，并且预先分组，a出现在b之前，那么a会出现在之前b 也跟着分组。

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

有什么真正有希望实现这种行为的吗？文档仅说明：

使用映射器（dict 或 key 函数，将给定函数应用于组，将结果作为系列返回）或按一系列列对系列进行分组。

此外，pandas 具有索引，理论上也可以在没有此保证的情况下实现功能（尽管以更麻烦的方式）。

【问题讨论】：

对不起，你问的是 2 行说 a 和 b 是否具有相同的值，分组后是否保证它们的顺序相同？我敢肯定，我在单步执行代码时已经看到他们执行稳定排序，我必须再次找到它
@EdChum 是的，如果我理解正确的话。如果行 a 和 b 就分组标准而言是等效的（它们将最终在同一组中），它们是否保证保留他们的订单发布分组。我一直在实践中看到它，但有点担心文档似乎无法保证这一点。
我一直看到这种行为，从未见过任何其他类型的行为，文档没有指定或保证这不会打扰我的事实，但我在逐步浏览编写大量 cmets 和对稳定排序的引用，这对我来说是合乎逻辑的，因为如果分组决定更改原始顺序，则另一种方法是让像 transform 这样的函数很难合并回原始 df 索引
@EdChum 非常感谢。
如果只要保留原始索引就没有保留顺序，那么它仍然会正确对齐，但如果返回的系列没有增加顺序，那么对齐就会很痛苦需要在分配回原点 df 之前进行排序

标签： python pandas group-by language-lawyer

【解决方案1】：

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

排序：bool，默认为True

对组键进行排序。通过以下方式获得更好的性能关闭它。注意这不影响顺序每个组内的观察。 Groupby 保留行的顺序在每个组内。

【讨论】：

谢谢。我认为当我问的时候文档不是这样的，但这确实解决了它。
是的；我相信你是对的；这就是为什么我说“现在承诺”:)

【解决方案2】：

虽然文档没有在内部说明这一点，但它在生成组时使用了稳定排序。

见：

正如我在 cmets 中提到的，如果您考虑 transform，这很重要，它将返回一个其索引与原始 df 对齐的 Series。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。其实这是提到in the comments：

_algos.groupsort_indexer 实现了计数排序，至少是 O(ngroups)，在哪里

ngroups = prod(shape)

shape = map(len, keys)

也就是说，在唯一的组合（笛卡尔积）的数量上是线性的 groupby 键的值。在进行多键分组时，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的，这对于正确性是必要的分组操作。

例如考虑： df.groupby(key)[col].transform('first')

【讨论】：