Python/Pandas：为每行分配分组平均值及高效计算门店均值方案咨询

嘿，我完全懂你的需求——要给DataFrame同时算出单门店维度的均值和全门店整体的均值，而且觉得当前「创建两个额外DataFrame再左连接」的方法有点冗余，想找更高效的实现对吧？

其实不用额外建DF也不用做连接操作，用Pandas的groupby().transform()就能直接在原DataFrame里生成需要的列，既省内存又省时间，代码还更简洁。

举个实际例子说明 #

假设你的原DataFrame长这样：

import pandas as pd

# 模拟你的原始数据
df = pd.DataFrame({
    '门店': ['A', 'A', 'B', 'B', 'C', 'C', 'C'],
    '销售额': [120, 180, 220, 260, 300, 350, 400],
    '客流量': [50, 60, 70, 80, 90, 100, 110]
})

高效实现代码 #

# 1. 计算每个门店的各指标均值，直接添加到原DF
df['门店销售额均值'] = df.groupby('门店')['销售额'].transform('mean')
df['门店客流量均值'] = df.groupby('门店')['客流量'].transform('mean')

# 2. 计算全门店的整体均值，直接添加到原DF
df['全门店销售额均值'] = df['销售额'].mean()
df['全门店客流量均值'] = df['客流量'].mean()

为什么这个方法更高效？ #

• 省去额外内存开销：不用单独创建存储门店均值、全量均值的独立DataFrame，所有计算直接在原数据上完成
• 避免连接开销：左连接在数据量较大时会带来明显的性能损耗，transform会自动把分组计算的结果按原索引对齐，直接赋值即可
• 代码更易维护：逻辑连贯，一眼就能看明白每一步在计算什么，后续扩展其他指标也很方便

如果你的需求里还有更复杂的分组逻辑，比如结合日期+门店的维度，transform()也能轻松适配，只需要调整groupby的参数就行。

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