Python中对GroupBy结果应用transform函数的原理解析

示例代码 #

import pandas as pd 

data = {
    'Name': ['Alice', 'Alice', 'Charlie', 'Charlie'],
    'Age': [25, 30, 35, 40],
    'branch': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)

# 拼接字符串
df['branch'] = df.groupby(['Name'])['branch'].transform(lambda x : ' '.join(x))    

# 展示数据框
print(df) 

运行输出 #

具体工作逻辑拆解 #

当你对GroupBy结果应用transform时，整个流程分三步走：

1. 分组拆分：先按照指定的列（这里是Name）把原DataFrame拆成独立分组——所有Name为Alice的行归为一组，Charlie的行归为另一组。
2. 组内执行计算：对每个分组单独运行你传入的函数。这里的lambda x: ' '.join(x)会把分组里的branch字段所有字符串拼接成一个长串：Alice组的['New York', 'Los Angeles']变成New York Los Angeles，Charlie组的['Chicago', 'Houston']变成Chicago Houston。
3. 对齐回填结果：把每个分组的计算结果，按照原DataFrame的行顺序，回填到对应行的位置。也就是说，原数据里属于Alice的每一行，都会被填上Alice组的拼接结果；Charlie的每一行同理。这就是为什么同一姓名的两行branch值完全一致——它们共享同一个分组计算的结果。

和apply不同，transform要求返回的结果能和原分组的行数匹配（或者可以自动广播到相同行数），这样才能完美对齐原DataFrame的行结构，不会改变数据的总行数和索引。

内容的提问来源于stack exchange，提问作者Ujjawal