如何使用groupby结合关联列生成新列及计算水果采购成本均值与次数

Hey there! 作为一个采购了多种水果的商贩，我完全懂你需要清晰的采购数据来算账。咱们一步步来解决你的问题，用pandas把这些数据理得明明白白：

1. 先创建你的DataFrame #

首先咱们把给定的数据转换成pandas DataFrame，代码如下：

import pandas as pd

data = { 
    'fruit':['apple', 'apple', 'banana', 'cherry', 'apple', 'banana'], 
    'unit_price':[10, 11.5, 5, 20, 12, 4.5], 
    'amount':[100, 200, 50, 300, 180, 90] 
}
df = pd.DataFrame(data)

运行后你的DataFrame长这样：

2. 计算每种水果的采购次数与平均采购成本 #

这里要注意：平均采购成本应该是加权平均（因为每次采购的数量不同，买得多的批次对整体成本影响更大），而不是直接取单价的平均值。

2.1 采购次数（即采购批次数量） #

一行代码就能搞定，统计每种水果的采购次数：

purchase_counts = df.groupby('fruit').size()

输出结果：

fruit
apple     3
banana    2
cherry    1
dtype: int64

2.2 加权平均采购成本 #

计算逻辑是：总采购成本 ÷ 总采购数量，其中总采购成本是每批次unit_price × amount的总和。咱们可以一次性把采购次数和平均成本算出来：

fruit_stats = df.groupby('fruit').agg(
    采购次数=('fruit', 'size'),
    加权平均采购成本=('unit_price', lambda x: (x * df.loc[x.index, 'amount']).sum() / df.loc[x.index, 'amount'].sum())
)

运行后得到的统计结果：

举个例子：苹果的加权平均成本是(10×100 + 11.5×200 + 12×180) ÷ (100+200+180) = 5280 ÷ 480 = 11，这个结果比直接取单价平均值（(10+11.5+12)/3≈11.17）更贴合实际采购成本。

3. 使用groupby结合关联列生成新列 #

如果你想把这些统计数据添加到原DataFrame的每一行（比如每一行都显示该水果的总采购量、平均成本），有两种常用方法：

方法1：用transform直接在原DataFrame添加列 #

transform会把聚合后的结果广播到原DataFrame的对应行，非常方便：

# 添加每种水果的总采购量
df['总采购量'] = df.groupby('fruit')['amount'].transform('sum')

# 添加每种水果的总采购成本
df['总采购成本'] = df.groupby('fruit').apply(lambda x: x['unit_price'] * x['amount']).transform('sum')

# 添加每种水果的加权平均采购成本
df['平均采购成本'] = df.groupby('fruit').apply(lambda x: (x['unit_price']*x['amount']).sum()/x['amount'].sum()).transform('first')

处理后的DataFrame会变成这样：

方法2：用merge合并聚合结果到原DataFrame #

先单独计算统计指标，再通过fruit列关联合并到原DataFrame，这种方式更灵活，适合需要多个统计指标的场景：

# 先计算每种水果的所有统计指标
fruit_summary = df.groupby('fruit').agg(
    采购次数=('fruit', 'size'),
    总采购量=('amount', 'sum'),
    总采购成本=('unit_price', lambda x: (x * df.loc[x.index, 'amount']).sum()),
    平均采购成本=('unit_price', lambda x: (x * df.loc[x.index, 'amount']).sum() / df.loc[x.index, 'amount'].sum())
).reset_index()

# 合并到原DataFrame
df_with_summary = df.merge(fruit_summary, on='fruit')

最终的df_with_summary和方法1的结果一致，但这种方式可以先单独查看统计摘要，再选择是否合并。

内容的提问来源于stack exchange，提问作者lan