Pandas中Groupby分组计数返回NaN问题求解

让我一步步帮你修正代码里的问题，实现你想要的效果：

1. 先修正筛选pct=1.0记录的逻辑 #

你当前的代码df2 = df是把df2和原df绑定成同一个对象（不是复制），而且df2["pct"] = 1.0是把所有行的pct改成1.0，这完全不是筛选记录的逻辑。正确的做法是直接筛选出pct等于1.0的行，同时创建独立的DataFrame副本：

# 筛选pct=1.0的记录，生成独立副本避免影响原df
df2 = df[df['pct'] == 1.0].copy()

2. 正确新增分组统计的num_same列 #

你尝试的groupby.size()返回的是一个以visit_id为索引的Series，直接赋值给df2的列时，因为原df2的行索引和这个Series的索引不匹配，所以会出现NaN。这里有两种简单的解决方式：

方法一：用transform自动匹配行 #

transform('size')会返回和原DataFrame行数一致的结果，自动对应每个行所属分组的计数：

# 按visit_id分组，统计每组的记录数并映射到每一行
df2["num_same"] = df2.groupby("visit_id")["visit_id"].transform('size')

方法二：先统计再用map匹配 #

先计算每个visit_id的计数，再通过map把对应的值赋值到每一行：

# 先得到每个visit_id的记录数
visit_counts = df2.groupby("visit_id").size()
# 把每个行的visit_id对应到计数
df2["num_same"] = df2["visit_id"].map(visit_counts)

完整示例代码 #

把两步结合起来，最终代码如下：

# 假设你的原始DataFrame是df
# 第一步：筛选pct=1.0的记录
df2 = df[df['pct'] == 1.0].copy()

# 第二步：新增num_same列
df2["num_same"] = df2.groupby("visit_id")["visit_id"].transform('size')

运行后，df2的结果会是：

visitor label response products number  pct  num_same
1  def456  size    4 x 4        5      5  1.0         2
2  def456 shape    round        5      5  1.0         2

内容的提问来源于stack exchange，提问作者Kim