python - DataFrame groupby 方法的语义

Question

我发现 DataFrame 对象上的 groupby 方法的行为出乎意料。

让我用一个例子来解释一下。

df = pd.DataFrame({'key1': ['a', 'a', 'b', 'b', 'a'],
                   'key2': ['one', 'two', 'one', 'two', 'one'],
                   'data1': np.random.randn(5),
                   'data2': np.random.randn(5)})
data1 = df['data1']

data1
# Out[14]: 
# 0    1.989430
# 1   -0.250694
# 2   -0.448550
# 3    0.776318
# 4   -1.843558
# Name: data1, dtype: float64

data1 不再具有 'key1' 列。 因此，如果我应用以下操作，我预计会收到错误:

grouped = data1.groupby(df['key1'])

但我没有，我可以进一步在 grouped 上应用 mean 方法来获得预期的结果。

grouped.mean()
# Out[13]: 
# key1
# a   -0.034941
# b    0.163884
# Name: data1, dtype: float64

但是，上述操作确实使用 df 的 'key1' 列创建了一个组。

怎么会发生这种事？解释器是否将原始 DataFrame(本例中为 df)的信息与创建的 DataFrame/series(本例中为 data1)一起存储？

谢谢。

Answer 1

这只是语法糖，查看here - 分别按列(系列)进行选择:

This is mainly syntactic sugar for the alternative and much more verbose

s = df['data1'].groupby(df['key1']).mean()
print (s)
key1
a    0.565292
b    0.106360
Name: data1, dtype: float64