Pandas groupby 在重新组装组时更改返回类型答案

【问题标题】：Pandas groupby changes return type when reassembling groupsPandas groupby 在重新组装组时更改返回类型
【发布时间】：2017-01-07 23:11:55
【问题描述】：

我有一个数据框：

df = pd.DataFrame({'c':[0,1,1,2,2,2],   'date':pd.to_datetime(['2016-01-01','2016-02-01','2016-03-01','2016-04-01','2016-05-01','2016-06-01'])})

对于每一行，我想得到一个数字 = 每个日期的月份数（Jan=1，Feb=2 等）+ 该组的长度（第一组有 1 个成员，第二组有 2 个等。 ):

所以它应该返回如下内容：

c       date   num
0 2016-01-01    2
1 2016-02-01    4
1 2016-03-01    5
2 2016-04-01    7
2 2016-05-01    8
2 2016-06-01    9

我创建了一个函数：

def testlambda(x):
    print(x)
    return x.dt.month.astype('int') + len(x)

并使用了groupby + transform：

df['num'] = df.groupby(['c'])['date'].transform(lambda x: testlambda(x))

但返回的新列仍然是日期格式，即使我的 lambda 返回 int。

在这里做什么？

【问题讨论】：

标签： python pandas group-by

【解决方案1】：

尝试使用DataFrameGroupBy.transform() 而不是SeriesGroupBy.transform()，因为后者会尝试将结果转换为源数据类型：

In [131]: def testlambda(x):
     ...:     #print(x)
     ...:     return x.dt.month.astype('int') + len(x)
     ...:

In [132]: df
Out[132]:
   c       date
0  0 2016-01-01
1  1 2016-02-01
2  1 2016-03-01
3  2 2016-04-01
4  2 2016-05-01
5  2 2016-06-01

#                                      v        v - thats's the only difference    
In [133]: df['num'] = df.groupby(['c'])[['date']].transform(lambda x: testlambda(x))

In [134]: df
Out[134]:
   c       date  num
0  0 2016-01-01    2
1  1 2016-02-01    4
2  1 2016-03-01    5
3  2 2016-04-01    7
4  2 2016-05-01    8
5  2 2016-06-01    9

【讨论】：

你就是男人！你能更新答案以使用 lambda 吗？真正的函数比单行函数更复杂，所以我认为调用函数是一种更通用的解决方案。但这太棒了。
我不知道DataFrameGroupBy.transform() 和SeriesGroupBy.transform() 之间有区别。这在某处有记录吗？系列版本的行为正是我对here感到好奇的地方。
@iwbabn，当然，我已经编辑了我的答案 - 我使用了你的 testlambda() 函数
@3novak，我不知道它是否记录在案 - 这是我观察的结果......
谢谢，@MaxU。您是否介意放弃对this thread 的回复，指出您对行为差异的观察？

【解决方案2】：

我会通过在transform 中使用size 来避免lambda

df.assign(num=df.groupby('c').c.transform('size') + df.date.dt.month)

   c       date  num
0  0 2016-01-01    2
1  1 2016-02-01    4
2  1 2016-03-01    5
3  2 2016-04-01    7
4  2 2016-05-01    8
5  2 2016-06-01    9

【讨论】：