為什么 pandas.GroupBy.apply() 在某些情況下會忽略排序標志？

Question

何時以及為什么在pd.GroupBy.apply()中忽略 DataFrame 分組的排序標志？ 這個問題最好用一個例子來理解。 在以下 4 個虛擬問題的等效解決方案中，方法 1 和 4 觀察排序標志，而方法 2 和 3 出於某種原因忽略它。

import pandas as pd
import numpy as np 

#################################################
# Construct input data:
cats = list("bcabca")
vals = np.arange(0,10*len(cats),10) 
df = pd.DataFrame({"i": cats, "ii": vals})

# df:
#      i  ii
#   0  b   0
#   1  c  10
#   2  a  20
#   3  b  30
#   4  c  40
#   5  a  50

# Groupby with sort=True
g = df.groupby("i", sort=True)

#################################################
# 1) This correctly returns a sorted series
ret1 = g.apply(lambda df: df["ii"]+1)

# ret1:
#   i
#   a  2    21
#      5    51
#   b  0     1
#      3    31
#   c  1    11
#      4    41

#################################################
# 2) This ignores the sort flag
ret2 = g.apply(lambda df: df[["ii"]]+1)

# ret2:
#      ii
#   0   1
#   1  11
#   2  21
#   3  31
#   4  41
#   5  51

#################################################
# 3) This also ignores the sort flag.
def fun(df):
    df["iii"] = df["ii"] + 1
    return df
ret3 = g.apply(fun)

# ret3
#      i  ii  iii
#   0  b   0    1
#   1  c  10   11
#   2  a  20   21
#   3  b  30   31
#   4  c  40   41
#   5  a  50   51

#################################################
# 4) This, however, respects the sort flag again:
ret4 = {}
for key, dfg in g:
    ret4[key] = fun(dfg)
ret4 = pd.concat(ret4, axis=0)

# ret4:
#        i  ii  iii
#   a 2  a  20   21
#     5  a  50   51
#   b 0  b   0    1
#     3  b  30   31
#   c 1  c  10   11
#     4  c  40   41

這是 pandas 中的設計缺陷嗎？ 還是這種行為是故意的？ 從pd.DataFrame.groupby()和pd.GroupBy.apply()的文檔中，我希望解決方案 2 和 3 也將排序標志考慮在內。 他們為什么不呢？

（使用 pandas 1.2.4 和 1.4.0 重現了該問題）

---

更新：方法 2 和 3 的解決方法是首先按分組鍵對 DataFrame 進行排序。 靈感來源：見評論中的鏈接。

# Approach 2:
df.sort_values("i").groupby("i").apply(lambda df: df[["ii"]]+1)
# Approach 3:
df.sort_values("i").groupby("i").apply(fun)

Answer 1

我不確定是否將其作為答案或評論發布，因為這是一個猜測，但我認為如果您在 groupby 之后省略您在操作中排序的列，那么 pandas 不再“理解”排序依據那一欄。

In example 2), ret2 = g.apply(lambda df: df[["ii"]]+1) means that in your lambda function, you are dropping the "i" column from consideration so pandas no longer has this column to排序方式。

在示例 4) 中，您將連接整個 df，包括列'i' ，因此 pandas “知道”按該列排序。