为何Pandas的groupby会对首个分组两次调用函数？

你碰到的这个问题其实是Pandas groupby.apply 内部机制的一个小细节，我帮你理清楚来龙去脉：

首先先还原你的测试场景：

import pandas as pd
a = pd.DataFrame({"a":[1,1,1,1,1,2,2,2,2,2], "b":range(10)})
a.groupby('a').apply(lambda df: print("***\n" + str(df) + "\n***\n"))

原本预期每个分组只触发一次打印，但实际第一个分组a=1被打印了两次，也就是函数被调用了两次。

核心原因：Pandas 的返回值类型推断机制 #

Pandas 在执行groupby.apply时，需要知道你的函数最终会返回什么类型的数据（比如是Series、DataFrame，还是单个标量），这样它才能把所有分组的结果正确组装起来。

如果你的函数没有返回明确的结构化数据（比如你的lambda里只有print，默认返回None），Pandas就会先拿第一个分组的数据调用一次你的函数，用来推断返回值的类型和结构。等推断完成后，再正式遍历所有分组执行函数——这就导致第一个分组被额外多调用了一次。

验证和解决方法 #

你可以给函数加一个明确的结构化返回值，让Pandas不需要做额外的类型推断，比如返回分组的长度：

a.groupby('a').apply(lambda df: (print("***\n" + str(df) + "\n***\n"), len(df))[1])

运行这段代码，你会看到每个分组只打印一次，因为Pandas通过返回的整数类型，直接确定最终要生成一个Series，不需要再预调用第一个分组。

另外补充：如果你的apply函数本身就返回DataFrame、Series这类Pandas能直接识别的结构化对象，也不会出现这个问题——因为Pandas可以直接从返回值里获取结构信息，不需要额外预调用。

内容的提问来源于stack exchange，提问作者Kai