为何pandas的groupby.diff()不将分组键用作索引？

核心原因在于diff()和sum()/mean()这类函数的本质定位完全不同：

1. 函数类型差异：聚合 vs 变换 #

• sum()、mean()属于聚合函数（Aggregation）：它们的作用是把每个分组内的多条数据“压缩”成单个结果，最终输出的行数等于分组的数量。这种情况下，用分组键作为索引是自然的选择——每个索引值对应一个分组的聚合结果。
  示例：

  import pandas as pd
  df = pd.DataFrame({'group': ['A','A','B','B'], 'value': [1,3,5,7]})
  # 聚合结果：行数等于分组数，索引为分组键
  print(df.groupby('group').sum())
  #        value
  # group       
  # A          4
  # B         12
  

• diff()属于变换函数（Transformation）：它的作用是对每个分组内的每一行数据进行计算，输出的行数和原数据完全一致，每一行对应原数据中同一行的差值结果。为了保证结果能和原数据准确对齐，必须保留原数据的索引，而不是替换成分组键。
  示例：

  # 变换结果：行数和原数据一致，索引保留原索引
  print(df.groupby('group')['value'].diff())
  # 0    NaN
  # 1    2.0
  # 2    NaN
  # 3    2.0
  # Name: value, dtype: float64
  

2. 索引设计的合理性 #

如果强制让diff()用分组键做索引，会出现两个问题：

• 分组键会大量重复（每个分组有多少行，索引就会重复多少次），违反了pandas索引“尽量唯一”的设计原则；
• 无法将差值结果和原数据的具体行对应，失去了变换函数“逐行处理并对齐”的核心意义。

简单来说：聚合函数是“按组输出汇总值”，所以用分组键当索引；变换函数是“按行输出对应值”，所以必须保留原索引。

内容的提问来源于stack exchange，提问作者YanBin Zhang