Pandas中groupby的agg、apply、transform函数行为差异解析

先看你给出的测试代码：

data = {
    'Category': ['A', 'A', 'B', 'B', 'A', 'B'],
    'Value': [10, 15, 20, 25, 30, 35]
}

df = pd.DataFrame(data)

df1 = df.groupby('Category').agg({'Value': 'mean'})
df2 = df.groupby('Category').apply(lambda x: x.mean())
df3 = df.groupby('Category')['Value'].transform('mean').to_frame()

print(f'{df1=}', f'{df2=}', f'{df3=}', sep='\n\n')

结合输出结果，逐个拆解三个函数的核心行为：

1. agg()：精准指定列的聚合工具 #

agg() 是专门为聚合操作设计的函数，核心特点是精准控制列与聚合逻辑的对应关系：

• 你传入的{'Value': 'mean'}明确要求：仅对分组后的Value列计算均值。
• 输出结果df1是每个分组一行的汇总表，索引为分组键Category，行数等于分组数量（这里2行），属于典型的“数据压缩”型聚合结果。

2. apply()：灵活度拉满的组级操作器 #

apply() 是个万能组级工具——它会把每个分组对应的完整子DataFrame传给你定义的函数，最终结果完全由函数的返回值决定：

• 例子里的lambda x: x.mean()，x是每个分组的子DataFrame（比如A组是包含3行的完整DataFrame），调用x.mean()会计算该子DataFrame所有数值列的均值（这里只有Value列）。
• 这次输出和agg()看起来一致，是因为函数返回的是标量（均值），最终被整理成组级汇总表。但apply()的灵活性远不止于此：你可以在函数里写任意逻辑，比如先过滤分组内的异常值再计算，或者返回多列结果，这些都是agg()无法实现的。

3. transform()：把组级结果广播到每一行 #

transform() 的核心逻辑是严格保持原数据的行数，它会把组级计算结果，复制填充到该组的每一行上：

• 例子里对Value列求组均值，A组的均值是18.3333，原DataFrame中所有属于A组的行（第0、1、4行）都会填充这个值；B组同理。
• 输出df3的行数和原DataFrame完全一致（6行），这是它和前两个函数最本质的区别——前两个是“压缩”数据到组级，而transform()是“扩展”组级结果到每一行，常用于给原数据添加组级统计特征的场景。

内容的提问来源于stack exchange，提问作者VERBOSE