Pandas分组操作中保留所有列的实现问题

方法1：使用transform添加统计列（推荐） #

transform会把分组聚合的结果映射回原数据的每一行，既能得到分组统计数，又能完整保留所有原始列。

步骤：

1. 筛选出full_text包含'mental health'的数据
2. 提取created_at的日期部分作为分组键（如果created_at本身就是date类型可跳过此步）
3. 用groupby.transform计算每组的帖子数量并添加为新列

示例代码：

import pandas as pd

# 假设原始数据为df，先筛选目标数据
df_filtered = df[df['full_text'].str.contains('mental health', case=False, na=False)]

# 将datetime类型的created_at转换为日期格式
df_filtered['post_date'] = df_filtered['created_at'].dt.date

# 添加分组统计列，用index列计数（也可以用full_text，只要是非空列即可）
df_filtered['daily_post_count'] = df_filtered.groupby('post_date')['index'].transform('count')

# 结果保留所有原始列，同时新增每日统计数
print(df_filtered)

方法2：分组聚合后合并原数据 #

先单独统计每组的帖子数量，再通过merge将统计结果合并回原始数据，同样能保留所有列。

示例代码：

import pandas as pd

df_filtered = df[df['full_text'].str.contains('mental health', case=False, na=False)]
df_filtered['post_date'] = df_filtered['created_at'].dt.date

# 分组统计每日帖子数
daily_counts = df_filtered.groupby('post_date')['index'].count().reset_index(name='daily_post_count')

# 合并回原数据
df_result = df_filtered.merge(daily_counts, on='post_date')

print(df_result)

为什么之前的方法会丢失列？ #

普通的groupby聚合（比如df.groupby('post_date').count()）会返回聚合后的汇总表，只包含分组键和聚合结果列，原始的full_text等列会被丢弃。而上面两种方法都是基于原始数据做扩展，不会丢失任何列。

内容的提问来源于stack exchange，提问作者frogger