在Pandas的groupby中，"transform"和"aggregate"是两个常用的操作。它们都用于对数据进行分组计算，但在具体的实现和结果上有所不同。 "Transform"操作会将每个分组的计算结果应用到原始数据的每一行上，返回一个与原始数据相同大小的结果。这意味着每一行都会被分组计算所影响，而不会改变数据的形状。 相比之下，"Aggregate"操作会将每个分组的计算结果应用到整个分组上，返回一个汇总的结果。这意味着数据的形状可能会发生变化，例如通过计算平均值、求和等操作得到一个单一的值。 因此，如果你想要对每一行进行分组计算并保持数据的形状不变，可以使用"transform"操作。而如果你想要对整个分组进行汇总计算并得到一个单一的结果，可以使用"aggregate"操作。

Question

当对Pandas DataFrame进行分组时，我应该何时使用transform，何时使用aggregate？它们在实际应用中有何不同，你认为哪个更重要？

- Sylvi0202

Answer 1

考虑数据框 df

df = pd.DataFrame(dict(A=list('aabb'), B=[1, 2, 3, 4], C=[0, 9, 0, 9]))

---

groupby是标准的聚合使用方式。

df.groupby('A').mean()

---

如果您想要在整个组中广播这些值，并返回与原始索引相同的内容，
请使用transform

df.groupby('A').transform('mean')

df.set_index('A').groupby(level='A').transform('mean')

agg用于在不同列上运行特定的操作或在同一列上运行多个操作。

---

df.groupby('A').agg(['mean', 'std'])

df.groupby('A').agg(dict(B='sum', C=['mean', 'prod']))

- piRSquared

---

非常惊人的回答！ - mathopt

通过使用 agg，我如何将聚合后的列还原为原始数据框 df？ - MAC

使用 transform 来拆分列。@MAC - Chris Coffee