Pandas groupby分组后如何新增withdraw_#列统计提现次数

不需要把分组结果单独转成统计表再合并回原表，用pandas的transform方法可以直接把分组统计结果对齐到原表行，一步生成目标列。

• 原始DataFrame参考样式：
  
• 目标处理后DataFrame参考样式：
  

核心实现代码 #

不管你之前有没有单独赋值分组对象，直接执行下面的代码即可新增withdraw_#列：

import pandas as pd
# 假设你的原始DataFrame变量名为df
df['withdraw_#'] = df.groupby('parent_user_id')['parent_user_id'].transform('count')

如果你已经提前把分组对象存为变量了，直接复用即可，不需要重复执行分组：

# 你之前已经执行的分组代码
grouped = df.groupby('parent_user_id')
# 直接用分组对象生成新列
df['withdraw_#'] = grouped['parent_user_id'].transform('count')

特殊场景处理 #

如果你的数据里存在无效提现记录（比如提现金额为0、状态为失败的记录），需要先过滤有效数据再统计，避免计数不准：

# 示例：过滤掉提现金额<=0、提现状态不是成功的无效记录
valid_data = df[(df['withdraw_amount'] > 0) & (df['withdraw_status'] == 'success')]
# 基于有效数据统计次数
df['withdraw_#'] = valid_data.groupby('parent_user_id')['parent_user_id'].transform('count')
# 没有有效提现记录的用户对应值为NaN，可填充为0并转成整数类型
df['withdraw_#'] = df['withdraw_#'].fillna(0).astype(int)

说明：transform方法会保持原DataFrame的索引顺序返回统计值，不会像普通groupby.count()那样把结果压缩为每组1行，所以可以直接赋值为原表的新列，不需要做额外的merge拼接操作。

内容的提问来源于stack exchange，提问作者jack mark