Pandas分类数据groupby行为异常疑问：含缺失组合/结果长度异常

我搞不懂Pandas里分类数据的groupby行为，遇到两种特殊情况：

• 情况1：groupby操作会自动添加'A'和'B'的缺失组合
• 情况2：分组结果的长度和原DataFrame完全一致

但当'A'和'B'是整数类型时，两种情况的分组结果完全一致。

输入数据 #

![输入数据]

分类数据分组结果 #

![分类数据分组结果]

整数数据分组结果 #

![整数数据分组结果]

原因解析 #

这是因为Pandas对分类类型的groupby默认行为和数值类型存在差异：

• 分类类型默认会包含所有预定义的分类值组合（哪怕原数据里不存在这些组合），同时默认不丢弃缺失值，所以会出现“补全缺失组合”的情况。
• 整数等数值类型的groupby只会基于数据中实际存在的取值组合分组，不会自动补充不存在的组合。

统一行为的方法 #

如果想让分类数据的groupby和整数类型表现一致，只需要在分组时加上observed=True参数：

df.groupby(['A', 'B'], observed=True).sum()

这个参数会强制groupby只保留原数据中实际出现过的(A,B)组合，不会补全缺失的分类组合，结果就会和整数类型的分组结果一致。

内容的提问来源于stack exchange，提问作者E.L