python - Pandas group by 返回 NAN 进行应用 vs 变换函数

Question

我遇到了一些我自己无法解释的情况。首先是关于应用函数与变换函数。到目前为止，我了解到，应用适用于整个数据帧，而转换适用于每一行，因此比应用慢。这是我的数据框，

size    id
40/6    2479
41/7    2479
42/8    2479
43/9    2479
44/10   2479
45/11   2479
46/12   2479

现在，当我应用 df.groupby('id')['size'].apply(lambda col: ', '.join(col)) 它返回

0    NaN
1    NaN
2    NaN
3    NaN
4    NaN
5    NaN
6    NaN

但是如果我转换，df.groupby('id')['size'].transform(lambda col: ', '.join(col))，我得到

0    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
1    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
2    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
3    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
4    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
5    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12
6    40/6, 41/7, 42/8, 43/9, 44/10, 45/11, 46/12

我想让它与 apply 一起工作，因为我有 300 万行，速度是重要因素。

第二期

当我的尺寸数据有空单元格时，即

size    id
        2479
41/7    2479
        2479
43/9    2479
44/10   2479
45/11   2479
46/12   2479

使用应用或转换，我收到此错误， 类型错误:序列项 0:预期字符串，找到 float 我理解这是因为空值。我的问题是，我该如何克服这个问题？我需要可用值的并集并忽略 null。

Answer 1

我认为你需要dropna使用 apply 时，应省略 lambda:

df=df.dropna(subset=['size']).groupby('id')['size'].apply(', '.join).reset_index(name='col')

或者非常相似:

df = df['size'].dropna().groupby(df['id']).apply(', '.join).reset_index(name='col')