DataFrame.apply/groupby为何调用自定义类__array__？如何避免？

原因 #

pandas的groupby.apply在处理每个组的返回值时，会自动尝试推断结果类型，判断是否能转化为Series/DataFrame。这个过程中会调用numpy.asarray()检查对象的数组兼容性，从而触发自定义类的__array__方法。但如果最终推断出返回的是自定义对象，这个数组结果会被直接丢弃，属于无意义的额外开销。

避免触发的方法 #

给自定义类添加__len__方法 #

pandas在类型推断时，若对象存在__len__方法，会优先用它判断是否为可迭代结构，跳过数组转换检查，自然就不会触发__array__：

class MyCustomClass:
    def __init__(self, data):
        self.data = data
    def __len__(self):
        return len(self.data)
    def __array__(self, dtype=None):
        # 原开销大的逻辑
        print("__array__ called!")
        return np.array(self.data, dtype=dtype)

# 使用示例
df.groupby('key').apply(lambda x: MyCustomClass(x))

返回包含自定义对象的容器 #

让apply返回单个元素的列表或元组，pandas会将其视为单个元素的分组结果，不会尝试转为数组：

# 返回列表
result = df.groupby('key').apply(lambda x: [MyCustomClass(x)])
# 提取对象可以用explode
result = result.explode()

替代方案 #

改用groupby.agg聚合 #

如果自定义类的初始化逻辑适合聚合操作，用agg替代apply，不会触发额外的类型检查：

def wrap_to_custom(x):
    return MyCustomClass(x)

result = df.groupby('key').agg(wrap_to_custom)

手动遍历分组 #

完全绕过pandas的内部推断逻辑，手动处理每个分组，性能最优：

custom_objects = {}
for group_key, group_data in df.groupby('key'):
    custom_objects[group_key] = MyCustomClass(group_data)
# 按需转为Series
result_series = pd.Series(custom_objects)

内容的提问来源于stack exchange，提问作者Oblomov