Pandas 通过保留其他列进行分组

这个问题类似于，但在我的例子中，我需要应用一个函数，为每个组返回一个序列而不是一个值-这个问题是关于使用

sum

进行聚合，但我需要使用

rank

（因此区别类似于

agg

和

transform

）

我有一段时间以来公司的数据。这将生成一些类似于我的用例的虚拟数据：

import numpy as np
import pandas as pd

dates = pd.date_range('1926', '2020', freq='M')
ndates = len(dates)
nfirms = 5000
cols = list('ABCDE')
df = pd.DataFrame(np.random.randn(nfirms*ndates,len(cols)),
                  index=np.tile(dates,nfirms),
                  columns=cols)

df.insert(0, 'id', np.repeat(np.arange(nfirms), ndates))

我需要在每个日期（索引）内计算列

E

，但保留列

id

如果我只使用groupby和

.rank

，我会得到以下结果：

df.groupby(level=0)['E'].rank()

1926-01-31    3226.0
1926-02-28    1042.0
1926-03-31    1611.0
1926-04-30    2591.0
1926-05-31      30.0
               ...  
2019-08-31    1973.0
2019-09-30     227.0
2019-10-31    4381.0
2019-11-30    1654.0
2019-12-31    1572.0
Name: E, Length: 5640000, dtype: float64

这与

df

的维度相同，但我不确定在索引上合并是否安全-我确实需要在

id

列上加入。我可以假定顺序保持不变吗

如果输出中的顺序与输出中的顺序相同，我想我可以这样做：

df['ranks'] = df.groupby(level=0)['E'].rank()

但这似乎有些奇怪，我认为有一种方法可以在groupby输出中包含额外的列

---

（我也不清楚调用

.rank（）

是否等同于

.transform（'rank'）

）

应该可以安全地将代码分配回。是的，

rank（）

与

transform（'rank'）

非常相似。这是因为

rank

返回每组中长度相同的序列。谢谢。“应该是”与“是”？；）是的，应该在这里，和现在一样。