python - 在 groupby 中使用 sort_values 和 inplace=True 时到底出了什么问题？

Question

基于最近的一个问题，我想知道在应用于 groupby 的函数内使用 inplace=True 对组进行排序时到底出了什么问题>.

示例和问题

df = pd.DataFrame({'A': ['a', 'a', 'b'],
                   'B': [3, 2, 1]})

def func(x):
    x.sort_values('B', inplace=True)
    return x.B.max()

dfg = df.groupby('A')
dfg.apply(func)

这给出

A
a    3
b    3

虽然人们期望

A
a    3
b    1

在函数内打印 x 显示函数 func 在每次调用期间应用于组 'a'(组 >'b' 被完全“替换”):

def func(x):
    print(x)
    x.sort_values('B', inplace=True)
    return x.B.max()

# Output (including the usual pandas apply zero-call)
   A  B
0  a  3
1  a  2
   A  B
0  a  3
1  a  2
   A  B
1  a  2
0  a  3

问题的解决方案

可以通过在 func 内执行排序来解决此问题，例如 x = x.sort_values('B')。在这种情况下，一切都按预期进行。

问题

现在我的概念问题:作为第一个想法，我期望

• inplace 修改 DataFrame/DataFrameGroupBy 本身，而赋值 x = x.sort_values('B') 创建副本
• 这相当于在循环遍历列表时修改列表的 groupby

但是，对 Dataframe df 和 DataFrameGroupBy 实例 dfg 的检查显示，它们在应用后没有发生变化，这表明问题不是修改原始实例。那么这里发生了什么？

Answer 1

当我这么做的时候

def func(x):
    x = x.copy()
    x.sort_values('B', inplace=True)
    return x.B.max()

返回

A
a    3
b    1

所以它验证了你的第一个想法 即

1. 就地修改 DataFrame/DataFrameGroupBy 本身，而
   赋值x = x.sort_values('B') 创建一个副本

我也迭代了 dfg groupby 对象。

def func(x):
    x = x.sort_values('B', inplace=True)
    return x.B.max()

dfg = df.groupby('A')
for x in dfg:
    print(func(x[1]))

返回

3
1

因此，根据我的理解，这个问题与 DataFrame.groupby().apply() 迭代其元素的方式有关。 它只是将相同的内存块分配给所有元素，一旦您使用 inplace=True 覆盖该 block ，它就会永久更新。 因此，您的 dfg 和 df 变量仍然具有原始值，但您仍然得到错误的输出。