Pandas如何为原数据集每行添加对应年龄分组的平均工资

• 若你已经完成分组统计生成了平均工资中间表，直接用merge左连接即可，2000行的规模下完全没有性能压力，代码如下：

# 先重命名分组统计得到的平均工资列，避免和原表字段冲突
mean_df = mean.rename(columns={'lnWage':'averagewage'})
# 按age字段关联，把对应年龄的平均工资匹配到原表每一行
df = df.merge(mean_df, on='age', how='left')

• 若你还未生成中间表，更推荐用transform一步完成操作，省去单独生成中间表、合并的冗余步骤，写法更简洁：

df['averagewage'] = df.groupby('age')['lnWage'].transform('mean')

两种方案在2000行的小规模数据集下的耗时差异可以忽略不计，transform不需要维护额外的中间表，代码可读性更高，优先选择；如果必须使用你已经生成好的分组平均表，用merge左连接就完全可以满足需求。

示例测试效果和你给出的场景完全一致：30岁对应的两条工资数据10、20，最终生成的averagewage列两行值均为15。

内容的提问来源于stack exchange，提问作者kedoink