Pandas groupby/apply 对 int 和 string 类型有不同的行为

我有以下数据框

   X    Y
0  A   10
1  A    9
2  A    8
3  A    5
4  B  100
5  B   90
6  B   80
7  B   50

和两个非常相似的不同功能

def func1(x):
    if x.iloc[0]['X'] == 'A':
        x['D'] = 1
    else:
        x['D'] = 0
    return x[['X', 'D']]

def func2(x):
    if x.iloc[0]['X'] == 'A':
        x['D'] = 'u'
    else:
        x['D'] = 'v'
    return x[['X', 'D']]

现在我可以分组/应用这些函数

df.groupby('X').apply(func1)
df.groupby('X').apply(func2)

第一行给了我我想要的，即

   X  D
0  A  1
1  A  1
2  A  1
3  A  1
4  B  0
5  B  0
6  B  0
7  B  0

但第二行返回了一些很奇怪的东西

   X  D
0  A  u
1  A  u
2  A  u
3  A  u
4  A  u
5  A  u
6  A  u
7  A  u

所以我的问题是：

• 谁能解释为什么类型更改时 groupby/apply 的行为会有所不同？
• 我怎样才能得到类似的东西func2?

问题很简单，应用于 GroupBy 的函数应该never尝试更改它收到的数据帧。它是副本（可以安全地更改，但在原始数据帧中看不到更改）还是视图，取决于实现。该选择是由 pandas 优化器完成的，作为用户，您应该知道它是被禁止的。

正确的方法是强制复制：

def func2(x):
    x = x.copy()
    if x.iloc[0]['X'] == 'A':
        x['D'] = 'u'
    else:
        x['D'] = 'v'
    return x[['X', 'D']]

在那之后，df.groupby('X').apply(func2).reset_index(level=0, drop=True)按预期给出：

   X  D
0  A  u
1  A  u
2  A  u
3  A  u
4  B  v
5  B  v
6  B  v
7  B  v