使用groupby() 對Pandas DataFrame 中的列執行計算時函數時，通常需要將結果合併回DataFrame 中。實現此目的的一種方法是根據分組計算建立一個新列。
在提供的範例中，目標是建立一個新列Data4，其中包含每個日期的Data3 列的總和.
所提供的程式碼嘗試將分組結果直接分配給新列，但它會產生NaN 值。要解決這個問題，應該使用transform()方法：
df['Data4'] = df['Data3'].groupby(df['Date']).transform('sum')transform()方法傳回一個與DataFrame索引對齊的Series，允許它直接新增為新欄位。 'sum' 參數指定我們要執行的計算。
下面更新的程式碼示範了transform()的正確應用：
import pandas as pd
df = pd.DataFrame({
'Date': ['2015-05-08', '2015-05-07', '2015-05-06', '2015-05-05',
'2015-05-08', '2015-05-07', '2015-05-06', '2015-05-05'],
'Sym': ['aapl', 'aapl', 'aapl', 'aapl', 'aaww', 'aaww', 'aaww', 'aaww'],
'Data2': [11, 8, 10, 15, 110, 60, 100, 40],
'Data3': [5, 8, 6, 1, 50, 100, 60, 120]
})
df['Data4'] = df['Data3'].groupby(df['Date']).transform('sum')
print(df)修改後的程式碼的輸出正確計算了每個日期的Data3 的總和，並將結果加到DataFrame 作為新列Data4:
Date Sym Data2 Data3 Data4 0 2015-05-08 aapl 11 5 55 1 2015-05-07 aapl 8 8 108 2 2015-05-06 aapl 10 6 66 3 2015-05-05 aapl 15 1 121 4 2015-05-08 aaww 110 50 55 5 2015-05-07 aaww 60 100 108 6 2015-05-06 aaww 100 60 66 7 2015-05-05 aaww 40 120 121
以上是如何在 groupby().sum() 操作後正確向 Pandas DataFrame 新增列？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
