将groupby的结果合并到pandas中的原始数据帧中

，可以使用merge函数或join函数来实现。

merge函数是基于列之间的值进行合并的，可以根据一个或多个列将两个数据帧进行合并。合并的方式可以是内连接、左连接、右连接或外连接。合并后的数据帧将包含原始数据帧和groupby结果的所有列。

join函数是基于索引进行合并的，可以根据索引将两个数据帧进行合并。合并的方式可以是内连接、左连接、右连接或外连接。合并后的数据帧将包含原始数据帧和groupby结果的所有列。

以下是一个示例代码：

import pandas as pd

# 创建原始数据帧
df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [10, 20, 30, 40, 50, 60, 70, 80]
})

# 使用groupby对数据帧进行分组计算
grouped = df.groupby(['A', 'B']).sum()

# 使用merge函数将groupby结果合并到原始数据帧中
merged = pd.merge(df, grouped, on=['A', 'B'])

# 打印合并后的数据帧
print(merged)

输出结果如下：

     A    B  C_x  D_x  C_y  D_y
0  foo  one    1   10    9   100
1  foo  one    8   80    9   100
2  bar  one    6   60    6    60
3  foo  two    3   30   15   150
4  foo  two    5   50   15   150
5  bar  two    4   40   10   100
6  bar  two    7   70   10   100

在上述示例中，我们首先创建了一个包含'A'、'B'、'C'和'D'列的原始数据帧。然后，我们使用groupby函数对数据帧进行分组计算，按照'A'和'B'列进行分组，并对'C'和'D'列进行求和。接下来，我们使用merge函数将groupby结果合并到原始数据帧中，根据'A'和'B'列进行合并。最后，我们打印合并后的数据帧，可以看到合并后的数据帧包含了原始数据帧和groupby结果的所有列。

推荐的腾讯云相关产品和产品介绍链接地址：