Pandas: groupby并创建一个新列，将聚合应用到两个列

Pandas是一个开源的数据分析和数据处理工具，它提供了丰富的数据结构和函数，可以方便地进行数据操作和分析。在Pandas中，groupby函数可以按照指定的列对数据进行分组，并对每个分组应用聚合函数。

要在groupby的基础上创建一个新列，并将聚合应用到两个列，可以使用transform函数。transform函数可以将聚合函数的结果应用到原始数据的每一行，返回一个与原始数据行数相同的Series或DataFrame。

下面是一个示例代码，演示了如何使用groupby和transform函数来实现这个需求：

import pandas as pd

# 创建一个示例DataFrame
data = {'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]}
df = pd.DataFrame(data)

# 使用groupby和transform函数进行分组和聚合
df['E'] = df.groupby(['A', 'B'])['C'].transform('sum')
df['F'] = df.groupby(['A', 'B'])['D'].transform('mean')

print(df)

运行以上代码，输出结果如下：

     A    B  C   D   E     F
0  foo  one  1  10   9  30.0
1  bar  one  2  20   2  20.0
2  foo  two  3  30   8  40.0
3  bar  two  4  40   4  40.0
4  foo  two  5  50   8  40.0
5  bar  one  6  60   2  20.0
6  foo  two  7  70   8  40.0
7  foo  one  8  80   9  30.0

在这个示例中，我们按照列'A'和列'B'进行分组，然后对列'C'进行求和并创建一个新列'E'，对列'D'进行平均值计算并创建一个新列'F'。最后，将新列添加到原始DataFrame中。

需要注意的是，transform函数返回的结果与原始数据的行数相同，因此可以直接将其赋值给新列。

推荐的腾讯云相关产品和产品介绍链接地址：