なぜgroupby sumはbooleanをintまたはfloatに変換しませんか？

Question

私は3つの簡単な例から始めましょう：予想通り

pd.DataFrame([[True]]).sum() 

0 1 
dtype: int64 

---

pd.DataFrame([True]).sum() 

0 1 
dtype: int64 

---

pd.Series([True]).sum() 

1 

---

これらのすべてがあります。ここにはもっと複雑な例があります。

df = pd.DataFrame([ 
     ['a', 'A', True], 
     ['a', 'B', False], 
     ['a', 'C', True], 
     ['b', 'A', True], 
     ['b', 'B', True], 
     ['b', 'C', False], 
    ], columns=list('XYZ')) 

df.Z.sum() 

4 

また期待どおりです。

私はバグを考えている：しかし、私groupby(['X', 'Y']).sum()

場合、私はそれが見えるように期待しました。別の説明がありますか？ @のunutbuの答え

パンダパー

---

として、元dtypesを書き直すしようとしています。私は、私が演奏したグループは、本当に何もグループ化していないと思っていた。だから、私はこのアイディアを試してみた。

df = pd.DataFrame([ 
     ['a', 'A', False], 
     ['a', 'B', False], 
     ['a', 'C', True], 
     ['b', 'A', False], 
     ['b', 'B', False], 
     ['b', 'C', False], 
    ], columns=list('XYZ')) 

私はgroupby('X')とsumよ。 @unutbuが正しければ、これらの合計は1と0こととboolにキャストされている、したがって、我々はbool

df.groupby('X').sum() 

案の定... bool

しかし、プロセスの場合を見るべきである必要があります同じですが、値は少し異なります。

df = pd.DataFrame([ 
     ['a', 'A', True], 
     ['a', 'B', False], 
     ['a', 'C', True], 
     ['b', 'A', False], 
     ['b', 'B', False], 
     ['b', 'C', False], 
    ], columns=list('XYZ')) 

df.groupby('X').sum() 

教訓を学びました。これを行うときは、常にastype(int)などを使用してください。

df.groupby('X').sum().astype(int) 

いずれのシナリオでも一貫した結果が得られます。

Answer 1

これが発生するため、結果、元の値と同じDTYPEのを返そうと_try_cast_resultを呼び出し_cython_agg_blocksコール_try_coerce_and_cast_result（この場合には、bool）。

これは、Zにdtype bool（すべてのグループにTrue値が1つしかありません）がある場合に少し奇妙なものを返します。いずれかのグループに2つ以上のTrue値がある場合、_try_cast_resultは2を変換しないため、結果の値は浮動小数点になります。0をブール値に戻します。 ZはDTYPE intを持っているとき

_try_cast_resultは、より有用な何かを行います。内部的には、 df.groupby(['X', 'Y']).sum()で使用Cythonアグリゲータは、DTYPE floatのresultを返します。ここで_try_cast_resultは結果をdtype intに返します。