为什么pandas的groupby().transform()需要唯一的索引?

Question

我想使用groupby（）.transform（）对（排序）数据集中的每个记录块进行自定义（累积）转换。除非我确定我有一把独一无二的钥匙，否则它不会起作用。为什么？

下面是一个玩具示例：

df = pd.DataFrame([[1,1],
                  [1,2],
                  [2,3],
                  [3,4],
                  [3,5]], 
                  columns='a b'.split())
df['partials'] = df.groupby('a')['b'].transform(np.cumsum)
df

给出预期：

     a   b   partials
0    1   1   1
1    1   2   3
2    2   3   3
3    3   4   4
4    3   5   9

但如果“a”是一把钥匙，那就全错了：

df = df.set_index('a')
df['partials'] = df.groupby(level=0)['b'].transform(np.cumsum)
df

---------------------------------------------------------------------------
Exception                                 Traceback (most recent call last)
<ipython-input-146-d0c35a4ba053> in <module>()
      3 
      4 df = df.set_index('a')
----> 5 df.groupby(level=0)['b'].transform(np.cumsum)

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/groupby.pyc in transform(self, func, *args, **kwargs)
   1542             res = wrapper(group)
   1543             # result[group.index] = res
-> 1544             indexer = self.obj.index.get_indexer(group.index)
   1545             np.put(result, indexer, res)
   1546 

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/index.pyc in get_indexer(self, target, method, limit)
    847 
    848         if not self.is_unique:
--> 849             raise Exception('Reindexing only valid with uniquely valued Index '
    850                             'objects')
    851 

Exception: Reindexing only valid with uniquely valued Index objects

如果在分组之前选择列“b”，则出现相同错误，即

df['b'].groupby(level=0).transform(np.cumsum)

但是，如果转换整个数据帧，您可以使其工作，例如：

df.groupby(level=0).transform(np.cumsum)

甚至是一列数据帧（而不是序列）：

df.groupby(level=0)[['b']].transform(np.cumsum)

我觉得我还缺少GroupBy-fu的一些深层次的东西。有人能告诉我真相吗？

Answer 1

这是一个bug，因为在pandas中修复了（当然是在0.15.2中，IIRC是在0.14中修复的），所以您不应该再看到这个异常。

---

作为解决方法，在早期的pandas中可以使用apply：

In [10]: g = df.groupby(level=0)['b']

In [11]: g.apply(np.cumsum)
Out[11]:
a
1    1
1    3
2    3
3    4
3    9
dtype: int64

你可以把这个分配给df中的一个列

In [12]: df['partial'] = g.apply(np.cumsum)