python - 为什么Pandas分组汇总会丢弃“分类”列？

情况

考虑以下两个数据帧:

import pandas as pd  # version 0.23.4

df1 = pd.DataFrame({
    'A': [1, 1, 1, 2, 2],
    'B': [100, 100, 200, 100, 100],
    'C': ['apple', 'orange', 'mango', 'mango', 'orange'],
    'D': ['jupiter', 'mercury', 'mars', 'venus', 'venus'],
})

df2 = df1.astype({'D': 'category'})

正如您在数据帧df2中看到的那样，列D是categoricals数据类型，但是df2与df1相同。

现在考虑以下groupby聚合操作:

result_x_df1 = df1.groupby(by='A').first()
result_x_df2 = df2.groupby(by='A').first()
result_y_df1 = df1.groupby(by=['A', 'B']).first()
result_y_df2 = df2.groupby(by=['A', 'B']).first()

结果如下:

In [1]: result_x_df1
Out[1]:
     B      C        D
A
1  100  apple  jupiter
2  100  mango    venus

In [2]: result_x_df2
Out[2]:
     B      C        D
A
1  100  apple  jupiter
2  100  mango    venus

In [3]: result_y_df1
Out[3]:
           C        D
A B
1 100  apple  jupiter
  200  mango     mars
2 100  mango    venus

In [4]: result_y_df2
Out[4]:
           C
A B
1 100  apple
  200  mango
2 100  mango

问题
result_x_df1，result_x_df2和result_y_df1看起来完全符合我的预期。但是，真正令我困惑的是，在result_y_df2中，类别列D已被完全丢弃。这就提出了以下问题:

为什么分类列D会被丢弃在result_y_df2中？

如何防止分类列D被丢弃，即如何从df2获得类似于result_y_df1的分组汇总结果？

最佳答案

造成此问题的原因似乎是 Pandas 的回归错误(从0.23.0版本开始)。一种解决方法是使用head(1)而不是first()(如Dark所建议)。

请参阅this pandas github issue以获取新进展。

关于python - 为什么Pandas分组汇总会丢弃“分类”列？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52027499/