Pandas中transform()与groupby()结合使用的详细解析

首先，假设我们拥有如下餐厅数据集：

import pandas as pd

df = pd.DataFrame({
  'restaurant_id': [101,102,103,104,105,106,107],
  'address': ['A','B','C','D', 'E', 'F', 'G'],
  'city': ['London','London','London','Oxford','Oxford', 'Durham', 'Durham'],
  'sales': [10,500,48,12,21,22,14]
})

若需计算每家餐厅在其所在城市销售额中的占比，预期输出结果应包含原始数据及新增的占比列。

与原始数据集相比，结果中增加了两列：一是该城市所有餐厅的销售总额，二是各餐厅在该城市销售额中的百分比。实现此目标主要有两种方案：

方案一（步骤较多）：

1、利用 groupby('city') 按城市进行分组，针对每个组选取销售额列 ['sales']，随后应用 apply(sum) 或 sum() 函数计算各城市的销售总额。

接着，将新列重命名为 city_total_sales，并执行索引重置操作（务必包含 reset_index()，因为 groupby('city') 生成的索引为城市名称，而我们需要将城市作为普通数据列保留）。

city_sales = df.groupby('city')['sales']
             .sum().rename('city_total_sales').reset_index()

此时获得的 city_sales 数据结构如下：

2、利用 merge() 函数将 city_sales 合并回原始数据，生成的 df_new 结果如下：

df_new = pd.merge(df, city_sales, how='left')

3、最后，计算百分比并格式化为两位小数，最终结果如下：

df_new['pct'] = df_new['sales'] / df_new['city_total_sales']
df_new['pct'] = df_new['pct'].apply(lambda x: format(x, '.2%'))

方案二（更为便捷）：

1、 transform() 函数在执行转换操作后，会保持与原始数据集相同的数据行数。因此，先使用 groupby() 进行分组，再调用 transform(sum)，将返回与原列长度一致的新列，具体结果如下图所示：

df['city_total_sales'] = df.groupby('city')['sales']
                           .transform('sum')

上述代码的逻辑为：数据按城市分组后，选取销售额列，对每组销售额求和，并返回一个与原DataFrame行数相同的新列。

2、

后续步骤与方案一完全相同。

df['pct'] = df['sales'] / df['city_total_sales']
df['pct'] = df['pct'].apply(lambda x: format(x, '.2%'))

总结：对比可见，对 DataFrame 进行分组 groupby() 后，若使用 apply() 或直接调用统计函数，生成的新列长度等于分组后的组数；而若使用 transform()，生成的新列长度则与原 DataFrame 的列数（行数）保持一致。

至此，关于Pandas中transform()结合groupby()用法的示例详解已介绍完毕。如需了解更多Pandas groupby()相关内容，欢迎查阅本站往期文章或继续浏览后续教程，感谢大家的支持！