如何优雅实现Pandas按索引分组求Col3均值并去重？

现有如下Pandas DataFrame：

import pandas as pd
import numpy as np

columns = ["Col1", "Col2", "Col3"]
values = np.array([[1, 1, 7], [1,1, 8], [1, 2, 5], 
                  [1, 2, 5.5]])
index = ["foo", "foo", "baz","baz"]

df = pd.DataFrame(values, index=index, columns = columns)

已知同一索引对应的Col1和Col2值一致，需求如下：

• 对每个唯一索引，计算对应所有行的Col3均值；
• 保留每个索引的一行，删除其余重复行；
• 将该行的Col3值替换为计算得到的均值。

期望输出：

Col1    Col2    Col3
foo 1.0      1.0    7.50
baz 1.0      2.0    5.25

尝试过df.reset_index().groupby("index", sort=False)["Col3"].mean()得到均值，但需要手动赋值和去重，寻求简洁优雅的Pandas原生实现方法。

方法1：groupby + 多列聚合 #

按索引分组后，对Col1/Col2取首个值（因同一索引下值一致），对Col3取均值，同时保留原索引顺序：

result = df.groupby(df.index, sort=False).agg(
    Col1=('Col1', 'first'),
    Col2=('Col2', 'first'),
    Col3=('Col3', 'mean')
)

方法2：transform + 去重 #

先通过transform计算每个索引对应的Col3均值并替换原列，再删除重复索引的行：

df['Col3'] = df.groupby(df.index)['Col3'].transform('mean')
result = df.drop_duplicates()

方法3：groupby.first() 结合assign #

先分组保留Col1/Col2的首个值，再单独计算Col3的均值并赋值：

result = df.groupby(df.index, sort=False).first().assign(
    Col3=df.groupby(df.index)['Col3'].mean()
)

以上三种方法均无需手动赋值和去重，直接生成符合要求的结果。

内容的提问来源于stack exchange，提问作者user37292