子类 DataFrame 的 Pandas groupby、resample 等

Question

注意：下面的线程提示了一个 pull request，它最终被合并到v1.10 中。此问题现已解决。

我正在使用子类化的 DataFrame，以便我可以更方便地访问某些特定于我的用例的转换方法和元数据。大多数 DataFrame 操作按预期工作，因为它们返回子类的实例，而不是pandas.DataFrame. 然而，聚合操作喜欢DataFrame.groupby并且DataFrame.resample似乎把这搞砸了。

这是一个错误，还是在定义我的子类时遗漏了什么？

下面是一个最小的例子，在 Pandas 0.25.1 上测试过：

class MyDataFrame(pd.DataFrame):
    @property
    def _constructor(self):
        return MyDataFrame

dates = pd.date_range('2019', freq='D', periods=365)
my_df = MyDataFrame(range(len(dates)), index=dates)

assert isinstance(my_df, MyDataFrame)
# Success!

assert isinstance(my_df.diff(), MyDataFrame)
# Success!

assert isinstance(my_df.sample(10), MyDataFrame)
# Success!

assert isinstance(my_df[:10], MyDataFrame)
# Success!

assert isinstance(my_df.resample("D").sum(), MyDataFrame)
# AssertionError

assert isinstance(my_df.groupby(df.index.month).sum(), MyDataFrame)
# AssertionError

Answer 1

我不知道这本身是否是一个“错误”，但我同意无论如何都应该对其进行更改。如果您查看一些groupby 类型对象的源代码，您会看到很多硬编码return DataFrame(...)和return Series(...).

正如您正确指出的那样，Pandas 对象具有三种方法可用于构造自身的新版本：

• _construct()创建相同类型的对象
• _construct_sliced()从类似数据框的对象创建类似系列的对象
• _construct_expanddim()从类似系列的对象创建类似数据框的对象

可以使用这些来代替 中的硬编码类型core/groupby/generic.py，这很容易做到，因为 groupby 对象将起始存储NDFrame为属性obj。

可以在我的叉子上找到已实施这些更改的分支：https ://github.com/alkasm/pandas/tree/groupby-preserve-subclass