Python 合并groupby的更好选择

我想知道是否有人知道一个更好的方法来完成我目前正在做的事情。以下是一个示例数据集：

ID  Number
a   1
a   2
a   3
b   4
c   5
c   6
c   7
c   8

示例：如果我想在上表中按ID列获取数字计数。我将首先执行groupby ID并对数字进行计数，然后将结果合并回原始表，如下所示：

df2 = df.groupby('ID').agg({'Number':'count'}).reset_index()

df2 = df2.rename(columns = {'Number':'Number_Count'})

df = pd.merge(df, df2, on = ['ID'])

这导致：

---

这感觉像是一种迂回的方式，有人知道更好的选择吗？我问这个问题的原因是，在处理大型数据集时，此方法可能会占用大量内存（通过创建另一个表，然后合并它们）。

使用此方法可以非常简单地做到这一点：

import pandas as pd

df = pd.DataFrame({'ID': list('aaabcccc'),
                   'Number': range(1,9)})

df['Number_Count'] = df.groupby('ID').transform('count')

df

#  ID  Number  Number_Count
#0  a       1             3
#1  a       2             3
#2  a       3             3
#3  b       4             1
#4  c       5             4
#5  c       6             4
#6  c       7             4
#7  c       8             4

---

是的，使用

transform

广播结果

df.groupby（'ID'）['ID']）。transform（'count'）

很好，谢谢您的帮助！我真的不同意这个重复，因为这个问题是关于一个更有效的方法。根据数据帧的不同，

transform

并不是实现这一点的最快方法。不需要回答这类问题，因为上面的注释清楚地解释了解决方案。还有一个非常常见的dup