fix: use _grouper instead of grouper to dismiss depr warnings sta…

…rting pandas 2.2.1

datar_pandas/api/base/arithm.py

@@ -236,7 +236,7 @@ def _scale_seriesgroupby(
         center=center,
         scale_=scale_,
     ).groupby(
-        x.grouper,
+        x._grouper,
         sort=x.sort,
         dropna=x.dropna,
         observed=x.observed,
@@ -265,7 +265,7 @@ def _pmin_grouped(
     out = gf.min(axis=1, skipna=na_rm)
     g = gf._datar["grouped"]
     return out.groupby(
-        g.grouper,
+        g._grouper,
         sort=g.sort,
         observed=g.observed,
         dropna=g.dropna,
@@ -294,7 +294,7 @@ def _pmax_grouped(
     out = gf.max(axis=1, skipna=na_rm)
     g = gf._datar["grouped"]
     return out.groupby(
-        g.grouper,
+        g._grouper,
         sort=g.sort,
         observed=g.observed,
         dropna=g.dropna,

datar_pandas/api/base/asis.py

@@ -144,7 +144,7 @@ def _as_factor_series(x):
 @as_factor.register(SeriesGroupBy, backend="pandas")
 def _as_factor_series_groupby(x):
     return get_obj(x).astype("category").groupby(
-        x.grouper,
+        x._grouper,
         sort=x.sort,
         observed=x.observed,
         dropna=x.dropna,
@@ -169,7 +169,7 @@ def _as_ordered_series(x):
 @as_ordered.register(SeriesGroupBy, backend="pandas")
 def _as_ordered_series_groupby(x):
     return get_obj(x).astype("category").cat.as_ordered().groupby(
-        x.grouper,
+        x._grouper,
         sort=x.sort,
         observed=x.observed,
         dropna=x.dropna,
@@ -194,7 +194,7 @@ def _as_integer_sgb(x: SeriesGroupBy):
     out = as_series(out)
     out.index = get_obj(x).index
     out = out.groupby(
-        x.grouper,
+        x._grouper,
         sort=x.sort,
         observed=x.observed,
         dropna=x.dropna,
@@ -217,7 +217,7 @@ def _is_element(x, y):
 
     if isinstance(x, SeriesGroupBy):
         out = x.transform(np.isin, test_elements=y).groupby(
-            x.grouper,
+            x._grouper,
             observed=x.observed,
             sort=x.sort,
             dropna=x.dropna,

datar_pandas/api/base/factor.py

@@ -85,7 +85,7 @@ def _factor(
             __ast_fallback="normal",
         )
         return Series(out, index=get_obj(x).index).groupby(
-            x.grouper,
+            x._grouper,
             observed=x.observed,
             sort=x.sort,
             dropna=x.dropna,

datar_pandas/api/base/seq.py

@@ -75,7 +75,7 @@ def match_dummy(xx, tab):
                 sort=table.sort,
                 dropna=table.dropna,
             )
-            if not _grouper_compatible(x1.grouper, t1.grouper):
+            if not _grouper_compatible(x1._grouper, t1._grouper):
                 raise ValueError("Grouping of x and table are not compatible")
             df["table"] = get_obj(t1)
         elif isinstance(table, Series):
@@ -91,7 +91,7 @@ def match_dummy(xx, tab):
                 sort=x1.sort,
                 dropna=x1.dropna,
             )
-            if not _grouper_compatible(x1.grouper, t1.grouper):
+            if not _grouper_compatible(x1._grouper, t1._grouper):
                 df["table"] = [make_array(table)] * df.shape[0]
             else:
                 df["table"] = get_obj(t1)
@@ -106,7 +106,7 @@ def match_dummy(xx, tab):
             .explode()
             .astype(int)
         ).groupby(
-            x.grouper,
+            x._grouper,
             observed=x.observed,
             sort=x.sort,
             dropna=x.dropna,
@@ -129,7 +129,7 @@ def _order_post(out, x, decreasing=False, na_last=True):
         out.explode()
         .astype(int)
         .groupby(
-            x.grouper,
+            x._grouper,
             observed=x.observed,
             sort=x.sort,
             dropna=x.dropna,

datar_pandas/api/base/string.py

@@ -107,7 +107,7 @@ def _paste(frame, sep, collapse):
     if isinstance(frame, TibbleGrouped):
         grouped = frame._datar["grouped"]
         out = out.groupby(
-            grouped.grouper,
+            grouped._grouper,
             sort=grouped.sort,
             observed=grouped.observed,
             dropna=grouped.dropna,
@@ -154,7 +154,7 @@ def _sprintf_apply_df(data, bound, exclude, func):
     if isinstance(data, TibbleGrouped):
         grouped = data._datar["grouped"]
         out = out.groupby(
-            grouped.grouper,
+            grouped._grouper,
             sort=grouped.sort,
             observed=grouped.observed,
             dropna=grouped.dropna,

datar_pandas/api/base/trig.py

@@ -56,7 +56,7 @@ def _atan2_post(__out, y, x):
         return __out
 
     out = __out.groupby(
-        sgb.grouper,
+        sgb._grouper,
         sort=sgb.sort,
         dropna=sgb.dropna,
         observed=sgb.observed,

datar_pandas/api/dplyr/_rank.py

@@ -67,7 +67,7 @@ def _row_number(x):
 def _(x):
     out = x.transform(_row_number)
     return out.groupby(
-        x.grouper,
+        x._grouper,
         observed=x.observed,
         sort=x.sort,
         dropna=x.dropna,
@@ -79,7 +79,7 @@ def _(x):
     grouped = x._datar["grouped"]
     return _row_number(
         Series(np.arange(x.shape[0]), index=x.index).groupby(
-            grouped.grouper,
+            grouped._grouper,
             observed=grouped.observed,
             sort=grouped.sort,
             dropna=grouped.dropna,
@@ -177,7 +177,7 @@ def _(x, na_last="keep"):
 @_percent_rank.register(GroupBy)
 def _(x, na_last="keep"):
     ranking = _rank(x, na_last, "min", True).groupby(
-        x.grouper,
+        x._grouper,
         observed=x.observed,
         sort=x.sort,
         dropna=x.dropna,

datar_pandas/api/dplyr/context.py

@@ -37,9 +37,9 @@ def _n_grouped(_data: TibbleGrouped) -> Data[Int]:
     _data = _data._datar.get("summarise_source", _data)
     grouped = _data._datar["grouped"]
 
-    out = grouped.grouper.size().to_frame().reset_index()
+    out = grouped._grouper.size().to_frame().reset_index()
     out = out.groupby(
-        grouped.grouper.names,
+        grouped._grouper.names,
         sort=grouped.sort,
         observed=grouped.observed,
         dropna=grouped.dropna,
@@ -60,12 +60,12 @@ def _cur_data_all_grouped(_data: TibbleGrouped) -> Series:
     grouped = _data._datar["grouped"]
     return Series(
         [
-            get_obj(grouped).loc[dict_get(grouped.grouper.groups, key), :]
-            for key in grouped.grouper.result_index
+            get_obj(grouped).loc[dict_get(grouped._grouper.groups, key), :]
+            for key in grouped._grouper.result_index
         ],
         name="cur_data_all",
         dtype=object,
-        index=grouped.grouper.result_index,
+        index=grouped._grouper.result_index,
     )
 
 
@@ -97,7 +97,7 @@ def _cur_group_grouped(_data: TibbleGrouped) -> Series:
     out = group_keys(_data, __ast_fallback="normal", __backend="pandas")
     # split each row as a df
     out = out.apply(lambda row: row.to_frame().T, axis=1)
-    out.index = _data._datar["grouped"].grouper.result_index
+    out.index = _data._datar["grouped"]._grouper.result_index
     return out
 
 
@@ -109,7 +109,7 @@ def _cur_group_id(_data: DataFrame) -> int:
 @cur_group_id.register(TibbleGrouped, context=Context.EVAL, backend="pandas")
 def _cur_group_id_grouped(_data: TibbleGrouped) -> Series:
     _data = _data._datar.get("summarise_source", _data)
-    grouper = _data._datar["grouped"].grouper
+    grouper = _data._datar["grouped"]._grouper
     return Series(np.arange(grouper.ngroups), index=grouper.result_index)
 
 

datar_pandas/api/dplyr/filter_.py

@@ -34,7 +34,7 @@ def _filter(
 
     grouper = None
     if isinstance(_data, TibbleGrouped):
-        grouper = _data._datar["grouped"].grouper
+        grouper = _data._datar["grouped"]._grouper
 
     condition = broadcast_to(condition, _data.index, grouper)
     if isinstance(condition, np.bool_):

datar_pandas/api/dplyr/group_data.py

@@ -53,7 +53,7 @@ def _group_keys(_data: DataFrame) -> Tibble:
 
 @group_keys.register(TibbleGrouped, context=Context.EVAL, backend="pandas")
 def _group_keys_grouped(_data: TibbleGrouped) -> Tibble:
-    grouper = _data._datar["grouped"].grouper
+    grouper = _data._datar["grouped"]._grouper
     return Tibble(grouper.result_index.to_frame(index=False), copy=False)
 
 
@@ -79,7 +79,7 @@ def _group_rows_grouped(_data: TibbleGrouped) -> List[List[int]]:
 
 @group_rows.register(GroupBy, context=Context.EVAL, backend="pandas")
 def _group_rows_groupby(_data: GroupBy) -> List[List[int]]:
-    grouper = _data.grouper
+    grouper = _data._grouper
     return [
         list(dict_get(grouper.indices, group_key))
         for group_key in grouper.result_index

datar_pandas/api/dplyr/if_else.py

@@ -71,7 +71,7 @@ def _if_else_sgb(condition, true, false, missing=None):
         get_obj(grouped).iloc[:, 3],
     )
     return out.groupby(
-        condition.grouper,
+        condition._grouper,
         observed=condition.observed,
         sort=condition.sort,
         dropna=condition.dropna,
@@ -124,7 +124,7 @@ def _case_match(_x, *args, _default=None, _dtypes=None):
         return out
 
     return out.groupby(
-        _x.grouper,
+        _x._grouper,
         observed=_x.observed,
         sort=_x.sort,
         dropna=_x.dropna,

datar_pandas/api/dplyr/slice_.py

@@ -63,8 +63,8 @@ def _slice_grouped(
     grouped = _data._datar["grouped"]
     indices = _sanitize_rows(
         rows,
-        grouped.grouper.indices,
-        grouped.grouper.result_index,
+        grouped._grouper.indices,
+        grouped._grouper.result_index,
     )
 
     return _data.take(indices)
@@ -94,13 +94,13 @@ def _slice_head_grouped(
     """Slice on grouped dataframe"""
     grouped = _data._datar["grouped"]
     # Calculate n's of each group
-    ns = grouped.grouper.size().transform(lambda x: _n_from_prop(x, n, prop))
+    ns = grouped._grouper.size().transform(lambda x: _n_from_prop(x, n, prop))
     # Get indices of each group
     # A better way?
     indices = np.concatenate(
         [
-            grouped.grouper.indices[key][: ns[key]]
-            for key in grouped.grouper.result_index
+            grouped._grouper.indices[key][: ns[key]]
+            for key in grouped._grouper.result_index
         ]
     )
 
@@ -148,13 +148,13 @@ def _slice_tail_grouped(
 ) -> TibbleGrouped:
     grouped = _data._datar["grouped"]
     # Calculate n's of each group
-    ns = grouped.grouper.size().transform(lambda x: _n_from_prop(x, n, prop))
+    ns = grouped._grouper.size().transform(lambda x: _n_from_prop(x, n, prop))
     # Get indices of each group
     # A better way?
     indices = np.concatenate(
         [
-            grouped.grouper.indices[key][-ns[key]:]
-            for key in grouped.grouper.result_index
+            grouped._grouper.indices[key][-ns[key]:]
+            for key in grouped._grouper.result_index
         ]
     )
 
@@ -303,7 +303,7 @@ def _sanitize_rows(
             if idx.size == 0:
                 continue
 
-            gidx = dict_get(rows.grouper.indices, key)
+            gidx = dict_get(rows._grouper.indices, key)
             out.extend(idx.take(get_obj(rows).take(gidx)))
     else:
         for key in result_index:

datar_pandas/api/dplyr/summarise.py

@@ -102,7 +102,7 @@ def _summarise_build(
         if isinstance(_data, TibbleGrouped):
             grouped = _data._datar["grouped"]
             outframe = outframe.group_by(
-                grouped.grouper.names,
+                grouped._grouper.names,
                 drop=grouped.observed,
                 dropna=grouped.dropna,
                 sort=grouped.sort,

datar_pandas/api/forcats/lvl_order.py

@@ -121,7 +121,7 @@ def _fct_inorder(_f, ordered: bool = None) -> Categorical:
         return out
 
     return Series(out, get_obj(_f).index).groupby(
-        _f.grouper,
+        _f._grouper,
         observed=_f.observed,
         sort=_f.sort,
         dropna=_f.dropna,

datar_pandas/api/misc.py

@@ -101,7 +101,7 @@ def __call__(self, *args, **kwds):
 
         try:
             return out.groupby(
-                self.accessor.sgb.grouper,
+                self.accessor.sgb._grouper,
                 observed=self.accessor.sgb.observed,
                 sort=self.accessor.sgb.sort,
                 dropna=self.accessor.sgb.dropna,
@@ -143,7 +143,7 @@ def __getattr__(self, name):
 
         try:
             return out.groupby(
-                self.sgb.grouper,
+                self.sgb._grouper,
                 observed=self.sgb.observed,
                 sort=self.sgb.sort,
                 dropna=self.sgb.dropna,

datar_pandas/api/tibble/verbs.py

@@ -178,7 +178,7 @@ def _add_column(
 
     grouper = None
     if isinstance(_data, TibbleGrouped):
-        grouper = _data._datar["grouped"].grouper
+        grouper = _data._datar["grouped"]._grouper
     df = broadcast_to(df, _data.index, grouper)
     pos = _pos_from_before_after_names(_before, _after, _data.columns.tolist())
 

datar_pandas/api/tidyr/uncount.py

@@ -36,7 +36,7 @@ def _uncount(
     weights = broadcast_to(
         weights,
         data.index,
-        None if grouped is None else grouped.grouper,
+        None if grouped is None else grouped._grouper,
     )
     if is_scalar(weights):
         weights = Series(weights, index=data.index)