Pandas分组transform为何先接收Series再接收DataFrame？

问题场景 #

用户尝试按a、b列分组，用transform将每个分组的完整DataFrame（含s1、s2列）传入自定义函数，但运行代码后发现函数先接收到s1、s2列的Series，之后才接收到分组的DataFrame，代码及输出如下：

测试代码 #

import pandas as pd
import numpy as np

df = pd.DataFrame({"a" : [1, 1, 2, 2], 
                   "b" : [1, 1, 2, 3], 
                   "s1": [1, np.nan,3, np.nan], 
                   "s2": [np.nan,2, 3, np.nan]})
print(df)

def compute(g):
    print(type(g))
    print(g)
    return g
df.groupby(["a", "b"]).transform(lambda g: compute(g))

运行输出 #

a  b   s1   s2
0  1  1  1.0  NaN
1  1  1  NaN  2.0
2  2  2  3.0  3.0
3  2  3  NaN  NaN
<class 'pandas.core.series.Series'>
0    1.0
1    NaN
Name: s1, dtype: float64
<class 'pandas.core.series.Series'>
0    NaN
1    2.0
Name: s2, dtype: float64
<class 'pandas.core.frame.DataFrame'>
    s1   s2
0  1.0  NaN
1  NaN  2.0
<class 'pandas.core.frame.DataFrame'>
    s1   s2
2  3.0  3.0
<class 'pandas.core.frame.DataFrame'>
   s1  s2
3 NaN NaN

原因解析 #

1. 默认逐列处理逻辑：当你对groupby后的完整DataFrame直接调用transform且未指定目标列时，Pandas的默认行为是逐列处理——它会把每个分组的每一列（单独的Series）传入你的函数，这就是前两个Series输入的来源：对应第一个分组（a=1,b=1）的s1和s2列。
2. 返回值触发的额外调用：你的compute函数直接返回了输入对象，Pandas在确认函数可处理Series并返回同类型结果后，因内部逻辑的误判，额外对每个分组的完整DataFrame（仅包含s1、s2，因为a、b是分组键）执行了一次函数调用，这就是后续三个DataFrame输入的原因。

解决方法 #

如果你希望函数只接收每个分组的完整DataFrame，只需明确指定要操作的列，避免Pandas默认的逐列处理：

# 仅对s1、s2列执行transform，确保函数接收分组的DataFrame
df[["s1", "s2"]] = df.groupby(["a", "b"])[["s1", "s2"]].transform(compute)

修改后，compute函数只会接收到每个分组的DataFrame（包含s1、s2列），不会再出现Series输入的情况。

内容的提问来源于stack exchange，提问作者Antonio Sesto