如何为分组后的Pandas DataFrame添加单个计数列并保留数值列均值

需求是对DataFrame分组计算均值后，添加单独的count列记录每组样本量，同时不能使用.agg(["count","mean"])——因为该方法会为每个数值列生成对应的count和mean列，导致DataFrame过于庞大，不利于后续散点图绘制。

解决方案 #

先计算分组均值，再单独合并每组的样本计数：

1. 用groupby.mean()得到各数值列的分组均值
2. 用groupby.size()获取每组的样本数量，作为新的count列合并到结果中
3. 可选：调整列顺序，将count列前置，方便后续绘图使用

完整代码示例 #

import pandas as pd

df = pd.DataFrame(
  {
    'store':['store_a', 'store_a', 'store_b', 'store_b', 'store_b', 'store_c',],
    'location':['North America', 'North America', 'Europe', 'Europe', 'Europe', 'Europe'],
    'sales':[10, 5, 20, 20, 20, 10],
    'cost':[5, 4, 10, 14, 14, 8],
  }
)

# 计算分组均值
df_grouped = df.groupby(["store", "location"]).mean()
# 添加count列，利用size()获取每组样本数
df_grouped['count'] = df.groupby(["store", "location"]).size()
# 调整列顺序，将count放在最前面
df_grouped = df_grouped.reindex(columns=['count', 'sales', 'cost'])

print(df_grouped)

输出结果 #

count  sales       cost
store    location                           
store_a  North America     2    7.5   4.500000
store_b  Europe            3   20.0  12.666667
store_c  Europe            1   10.0   8.000000

简化写法（用assign一步完成） #

如果想更简洁，可以用assign方法直接在均值结果后添加count列：

df_grouped = df.groupby(["store", "location"]).mean().assign(
    count=lambda _: df.groupby(["store", "location"]).size()
).reindex(columns=['count', 'sales', 'cost'])

这种方法只会生成一个count列，完全符合需求，不会产生冗余数据，非常适合后续散点图绘制（比如用count控制点的大小）。

内容的提问来源于stack exchange，提问作者Devester