为什么在某些情况下pandas.GroupBy.apply()忽略排序标志？

Question

何时以及为什么DataFrame 分组的排序标志在pd.GroupBy.apply()中被忽略？最好用一个例子来理解这个问题。在以下4种虚拟问题的等价解决方案中，方法1和4遵守排序标志，而方法2和3出于某种原因忽略它。

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

这是熊猫的设计缺陷吗？还是这种行为是故意的？从pd.DataFrame.groupby()和pd.GroupBy.apply()的文档中，我希望解决方案2和3也会考虑排序标志。他们为什么不呢？

(问题在大熊猫1.2.4和1.4.0中重现)

更新：方法2和3的解决方法是首先根据分组键对DataFrame进行排序。灵感来源:参见评论中的链接。

# 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

我不确定该把这作为回复还是评论，因为这只是猜测，但我认为如果你忽略了在群后操作中排序的那一栏，那么熊猫就不再“理解”按该专栏进行排序了。

在示例2中，ret2 = g.apply(lambda df: df[["ii"]]+1)意味着在lambda函数中，您将删除"i“列，这样熊猫就不再需要对该列进行排序。

在示例4中，您将包括列'i'在内的整个df连接起来，以便熊猫“知道”按该列进行排序。