Python 3.x 熊猫过滤器，分组，然后变换

我有一个熊猫数据框，它看起来如下所示：

  df =
      a          b
      a1.        1
      a2         0
      a1         0
      a3         1
      a2         1
      a1         1

我想先在

1

上筛选b，然后按

a

分组，并计算每组出现的次数（称此列为

count

），然后将此列与原始df一起附加<对于

a

的每个值，保证至少有一次

1

预期产出：

  df =
      a          b.    count
      a1.        1      2
      a2         0.     1
      a1         0.     2
      a3         1      1
      a2         1.     1
      a1         1      2

我试过：

 df['count] = df.groupby('a').b.transform('size')

但是，这也算零。我想先过滤

b==1

我还尝试：

df['count'] = df[df['b' == 1].groupby('a').b.transform('size')

但是，这会在计数列中引入

nans

---

如何在一行中执行此操作？

检查并获取适用于

b

的条件，然后

求和

df['b'].eq(1).groupby(df['a']).transform('sum')
Out[103]: 
0    2.0
1    1.0
2    2.0
3    1.0
4    1.0
5    2.0
Name: b, dtype: float64