pandas groupby（）。transform（）にユニークなインデックスが必要なのはなぜですか？

Question

（ソートされた）データセットの各レコードブロックのカスタム（累積）変換を行うには、groupby（）。transform（）を使用します。一意のキーがあることを確認しない限り、動作しません。どうして？ここで

はおもちゃの例です：

df = pd.DataFrame([[1,1], 
        [1,2], 
        [2,3], 
        [3,4], 
        [3,5]], 
        columns='a b'.split()) 
df['partials'] = df.groupby('a')['b'].transform(np.cumsum) 
df 

は予想を与える：

が、 '' キーで、すべてがうまくいかない場合：

df = df.set_index('a') 
df['partials'] = df.groupby(level=0)['b'].transform(np.cumsum) 
df 

--------------------------------------------------------------------------- 
Exception         Traceback (most recent call last) 
<ipython-input-146-d0c35a4ba053> in <module>() 
     3 
     4 df = df.set_index('a') 
----> 5 df.groupby(level=0)['b'].transform(np.cumsum) 

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/groupby.pyc in transform(self, func, *args, **kwargs) 
    1542    res = wrapper(group) 
    1543    # result[group.index] = res 
-> 1544    indexer = self.obj.index.get_indexer(group.index) 
    1545    np.put(result, indexer, res) 
    1546 

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/pandas/core/index.pyc in get_indexer(self, target, method, limit) 
    847 
    848   if not self.is_unique: 
--> 849    raise Exception('Reindexing only valid with uniquely valued Index ' 
    850        'objects') 
    851 

Exception: Reindexing only valid with uniquely valued Index objects 

同じエラーグループ化する前に列 'b'を選択した場合、つまり

df['b'].groupby(level=0).transform(np.cumsum) 

しかし、あなたはあなたのような、全体のデータフレームを変換する場合はそれを動作させることができます。でも

df.groupby(level=0).transform(np.cumsum) 

か（というシリーズより）1列のデータフレーム：

df.groupby(level=0)[['b']].transform(np.cumsum) 

I GroupBy-fuのいくつかの深い部分が残っているように感じる。誰かが私をまっすぐにすることができます

Answer 1

これはバグで、パンダで修正されています（確かに0.15.2、IIRCでは0.14で修正されています）ので、この例外は表示されません。

In [10]: g = df.groupby(level=0)['b'] 

In [11]: g.apply(np.cumsum) 
Out[11]: 
a 
1 1 
1 3 
2 3 
3 4 
3 9 
dtype: int64 

、あなたははい、それは私が欲しいものであるDF

In [12]: df['partial'] = g.apply(np.cumsum)