pandas的groupby操作返回的DataFrameGroupBy对象仅包含什么内容？

DataFrameGroupBy 既不是单纯的索引指针，也不会全量复制原始DataFrame的数据，它的内部结构分为两部分：

• 持有原始DataFrame的直接引用，不会额外拷贝全量数据，这也是你复用GroupBy对象能提升运行速度的核心原因
• 初始化时会预计算并缓存分组映射规则：也就是每个分组对应的行的整数位置下标、分组键的取值等信息，这部分计算是groupby()调用时的主要耗时点，计算完成后就不会再动态更新

对应现象解释 #

1. 给原始df新增列后，旧的GroupBy对象可以正常使用新列
   因为GroupBy对象一直持有原df的引用，取列数据时会直接从当前关联的df中读取，预存的分组行下标也还是对应正确的行，所以操作可以正常执行。
   你初始化的代码如下：

c = df.groupby("SP")

后续给df加完新列后，直接调用类似c["SP"].cumsum()的操作完全可行。

2. 删除原df的行后，旧的GroupBy对象返回的还是旧结果
   这种情况通常有两种原因：

• 如果你是用df = df.drop(xxx)的方式删行，相当于把df变量指向了一个新的DataFrame对象，而原来的GroupBy对象持有的还是未删行的旧df的引用，自然会基于旧数据计算
• 如果你是用df.drop(xxx, inplace=True)的方式在原对象上删行，此时预存的分组行下标已经和当前df的实际行位置不匹配，会导致计算结果出错或者还是返回基于旧行数量的结果

最佳实践 #

• 仅对原始DataFrame做新增列操作时，可以复用已经生成的GroupBy对象，确实能提升运行效率
• 只要对原始DataFrame做了行的增删、或者修改了分组键列的取值，必须重新生成GroupBy对象，不能复用之前的实例，否则会得到不符合预期的结果

内容的提问来源于stack exchange，提问作者Borut Flis