Python pandas DataFrame 按PMID添加分组计数列的实现方法
实现方案
使用pandas内置的transform方法可直接达成需求,全程不会修改、合并任何原始行数据:
# 按PMID分组计算每个组的总行数,将统计值逐行广播填充回原表 df["count"] = df.groupby("PMID")["PMID"].transform("count")
核心逻辑
transform的特性是:对分组数据算出的统计值,会严格按照原表行索引逐行对齐填充,不会像agg方法那样缩减行数、合并分组,完全保留所有原始行的顺序和内容- 对应当前示例数据的执行效果:
- PMID=33377242的分组仅1行,匹配该PMID的行count列自动填充为1
- PMID=33414971的分组共9行,匹配该PMID的行count列自动填充为9
常见踩坑提示
- 不要先执行
groupby("PMID").count()生成统计子表再做merge关联,这类写法很容易因索引错位打乱原有行顺序,transform是这类“逐行匹配所属分组统计值”场景下最稳妥的实现方式 - 操作全程不修改原有列的任何内容,仅新增count列,完全匹配输出预期
内容的提问来源于stack exchange,提问作者rshar
相关产品推荐
相关产品推荐

