Pandas如何按State分组将Score均值插入新增avg列

需求说明 #

• 为Pandas DataFrame新增名为avg的列，列值为每行所属State分组对应的Score列平均值
• 替代原有逐个筛选State子集、手动赋值、再拼接的低效实现

最优实现方案 #

直接使用groupby+transform，一行代码完成分组计算和值匹配，无需拆分拼接数据：

import pandas as pd
import numpy as np
 
# 构造测试数据
data = {'State':['CA', 'CA', 'CA', 'CA','CA', 'TX', 'TX', 'TX','TX', 'TX', 'FL', 'FL','FL', 'FL', 'FL', 'AZ','AZ','AZ', 'AZ', 'AZ'],
         'Score':[3,3,3,2,1,4,2,2,1,2,1,1,1,1,2,2,5,5,5,5],
        'Income':[32112,34214,45575,22106,32612,34216,47515,22906,32112,34511,45525,12106,52112,54214,45015,22986,32112,34214,47518,22175],
        }
df = pd.DataFrame(data)

# 直接生成avg列：按State分组计算Score均值，自动匹配到对应行
df['avg'] = df.groupby('State')['Score'].transform('mean')

# 导出csv文件
df.to_csv("analysis_output.csv", index=False)

实现原理 #

transform是Pandas分组对象的专用方法，会在完成分组聚合计算后，将每个分组的聚合结果广播到该分组下的所有行，最终返回长度和原DataFrame完全一致的序列，可直接赋值为新列，全程不会修改原表的行顺序、也不会产生索引错位问题。

已有分组聚合结果的适配方案 #

如果你已经提前计算好了分组均值序列（比如示例中的mean_score），可以用map方法按State值匹配对应均值，不需要重新计算：

# 预计算分组均值，返回Series的索引为State取值
mean_score = df.groupby('State')['Score'].mean()
# 按State列映射匹配对应均值
df['avg'] = df['State'].map(mean_score)

方案对比 #

• groupby+transform写法最简洁，无需生成中间变量，适合单次计算直接赋值的场景
• map匹配方案适合需要复用预计算分组聚合结果的场景，可减少重复计算
• 两种方案的执行效率远高于手动拆分子集再拼接的实现，数据量越大、分组类别越多时性能优势越明显

内容的提问来源于stack exchange，提问作者nasa313