Pandas DataFrame按Group分组应用BoxCox变换后新增列存回原表的实现问题

前置注意项 #

• scipy.stats.boxcox 要求输入数据全为正数，若存在非正数值需先做平移处理
• 该函数返回值为元组(变换后的数组, 最优lambda参数)，我们取第一个元素作为变换结果

推荐写法（自动对齐索引，无需手动处理顺序） #

直接使用groupby.transform完成分组变换，该API会自动将分组计算结果和原DataFrame的行索引对齐，不会出现顺序错乱问题，代码更简洁：

import pandas as pd
from scipy import stats

def modify(df):
    transform_cols = ['Var_A', 'Var_B', 'Var_C']
    # 逐列分组应用BoxCox变换，直接赋值到新列
    for col in transform_cols:
        df[f"{col}_boxcox"] = df.groupby("Group")[col].transform(
            lambda x: stats.boxcox(x)[0]
        )
    return df

沿用原有循环逻辑的写法 #

如果你要保留当前手写遍历分组的实现，核心是通过分组自带的原始索引进行赋值，保证对应关系正确：

import pandas as pd
from scipy import stats

def modify(df):
    df = df.sort_values("Group").copy()
    transform_cols = ['Var_A', 'Var_B', 'Var_C']
    # 提前初始化新列
    for col in transform_cols:
        df[f"{col}_boxcox"] = 0.0
    
    grouped = df.groupby("Group")
    for name, group in grouped:
        for col in transform_cols:
            # 计算变换结果
            bc_res = stats.boxcox(group[col])[0]
            # 按当前分组的原始索引把结果写回原DataFrame
            df.loc[group.index, f"{col}_boxcox"] = bc_res
    return df

两种写法都完全保留原DataFrame的行顺序，新生成的变换列和原数据行一一对应。如果需要留存每个分组每个列的最优lambda参数，额外新增字典存储stats.boxcox(x)[1]的返回值即可。

内容的提问来源于stack exchange，提问作者logisticregress