如何用Pandas向量化方法按行字段汇总列并追加结果至每行？

你可以用以下两种标准的Pandas向量化方法实现需求，完全不需要低效的iterrows迭代：

方法1：groupby + transform #

这种方法通过分组后使用transform，将分组的计数结果广播回原DataFrame的每一行，逻辑直观且高效：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({'condition': [True, False, True, True, False, True, True]})

# 新增Count列：按condition分组后统计每组数量，并映射到每行
df['Count'] = df.groupby('condition')['condition'].transform('count')

执行后得到的结果与你的期望一致：

condition  Count
0       True      5
1      False      2
2       True      5
3       True      5
4      False      2
5       True      5
6       True      5

方法2：value_counts + map #

先统计每个值的出现次数，再通过map将对应计数映射到每行：

# 先获取condition列各值的计数
count_map = df['condition'].value_counts()
# 映射生成Count列
df['Count'] = df['condition'].map(count_map)

这种方法代码更简洁，同样能得到完全一致的结果。

扩展说明 #

如果你的实际场景是基于多个字段计算的值（而非示例中的单一condition列），只需要先将计算结果生成一个临时列，再用上述任意一种方法即可。比如：

# 假设基于col1和col2计算得到key列
df['key'] = df['col1'] + df['col2']
# 用groupby+transform统计key的出现次数并追加
df['Count'] = df.groupby('key')['key'].transform('count')

内容的提问来源于stack exchange，提问作者Lai Yi-Ming