问题描述：

我的第一个 SO 问题：我对 pandas (0.12.0-4) 中 groupby 的 apply 方法的这种行为感到困惑，它似乎将函数 TWICE 应用于数据框的第一行。例如：

>>> from pandas import Series, DataFrame
>>> import pandas as pd
>>> df = pd.DataFrame({'class': ['A', 'B', 'C'], 'count':[1,0,2]})
>>> print(df)
   class  count  
0     A      1  
1     B      0    
2     C      2

我首先检查 groupby 函数是否工作正常，并且它看起来没什么问题：

>>> for group in df.groupby('class', group_keys = True):
>>>     print(group)
('A',   class  count
0     A      1)
('B',   class  count
1     B      0)
('C',   class  count
2     C      2)

然后我尝试使用 groupby 对象上的 apply 执行类似操作，并两次获得第一行输出：

>>> def checkit(group):
>>>     print(group)
>>> df.groupby('class', group_keys = True).apply(checkit)
  class  count
0     A      1
  class  count
0     A      1
  class  count
1     B      0
  class  count
2     C      2

任何帮助都将不胜感激！谢谢。

编辑：@Jeff 在下面提供了答案。我很笨，没有立即理解，因此这里有一个简单的示例来说明，尽管上例中第一组的打印输出重复，但 apply 方法仅对第一组执行一次，并且不会改变原始数据框：

>>> def addone(group):
>>>     group['count'] += 1
>>>     return group

>>> df.groupby('class', group_keys = True).apply(addone)
>>> print(df)

      class  count
0     A      1
1     B      0
2     C      2

但是通过将方法的返回分配给一个新对象，我们看到它按预期工作：

>>> df2 = df.groupby('class', group_keys = True).apply(addone)
>>> print(df2)

      class  count
0     A      2
1     B      1
2     C      3

解决方案 1：

这是设计使然，如此处和此处所述

该apply函数需要知道返回数据的形状，以便智能地确定如何组合数据。为此，它会调用该函数（checkit在您的例子中）两次来实现这一点。

根据实际使用情况，你可以将对的调用替换apply为aggregate、transform或filter，如此处详细描述的那样。这些函数要求返回值为特定形状，因此不要调用该函数两次。

但是 - 如果您调用的函数没有副作用，那么在第一个值上调用该函数两次很可能并不重要。

解决方案 2：

此“问题”现已修复：升级至 0.25+

从 v0.25 开始，GroupBy.apply()只会对第一组进行一次评估。请参阅GH24748。

0.25.0（2019 年 7 月 18 日）中的新功能：仅对第一组进行一次Groupby.apply评估DataFrame

文档中的相关示例：

pd.__version__                                                                                                          
# '0.25.0.dev0+590.g44d5498d8'

df = pd.DataFrame({"a": ["x", "y"], "b": [1, 2]})                                                                      

def func(group): 
    print(group.name) 
    return group                                                                                                                     

新行为（> = v0.25）：

df.groupby('a').apply(func)                                                                                            
x
y

   a  b
0  x  1
1  y  2

旧行为（<=v0.24.x）：

df.groupby('a').apply(func)
x
x
y

   a  b
0  x  1
1  y  2

Pandas 仍然使用第一个组来确定是否apply可以采取快速路径。但至少它不再需要对第一个组进行两次评估。干得好，开发人员！

解决方案 3：

您可以使用 for 循环来避免 groupby.apply 重复第一行，

日志样本.csv

guestid,keyword
1,null
2,null
2,null
3,null
3,null
3,null
4,null
4,null
4,null
4,null

我的代码片段

df=pd.read_csv("log_sample.csv") 
grouped = df.groupby("guestid")

for guestid, df_group in grouped:
    print(list(df_group['guestid'])) 

df.head(100)

输出

[1]
[2, 2]
[3, 3, 3]
[4, 4, 4, 4]