如何在Pandas中无需合并DataFrame，基于GroupBy结果新增列？

当然存在更简便的实现方式，完全不需要生成中间DataFrame再合并，Pandas的groupby()搭配transform()方法就能实现和R中group_by()+mutate()一致的效果——直接基于分组计算结果为原数据集新增列。

核心实现代码 #

import pandas as pd

df = pd.DataFrame({
   'date': ['2020-01-01', '2020-02-01', '2020-03-01'] * 3,
   'name': [
       'Romulo', 'Romulo', 'Romulo',
       'Daniel', 'Daniel', 'Daniel',
       'Fernando', 'Fernando', 'Fernando'
       ]
})

# 直接为原DataFrame新增max_date列
df['max_date'] = df.groupby('name')['date'].transform('max')

链式调用写法（贴近R的管道风格） #

如果习惯链式操作，也可以用assign()实现：

df = df.assign(
    max_date=lambda x: x.groupby('name')['date'].transform('max')
)

原理说明 #

transform()方法的作用是将分组计算的结果广播回原数据的每一行：对每个分组执行指定的聚合操作（比如max）后，会将该组的计算值填充到该组的所有行中，最终返回一个与原数据长度一致的Series，直接赋值给新列即可完成需求，完全省去了中间DataFrame的生成与合并步骤。

内容的提问来源于stack exchange，提问作者Fernando Rocha Urbano