Python 返回groupby之后的所有行（即不减少作为组键唯一值的行数）

教程中的以下代码产生以下结果：

代码：

结果:

     A      B         C         D
0  foo    one -0.787410 -0.857863
1  bar    one  0.140572  1.330183
2  foo    two -0.770166  2.123528
3  bar  three -0.965523  0.771663
4  foo    two  0.215037 -0.597935
5  bar    two -1.023839 -0.248445
6  foo    one -1.377515  2.041921
7  foo  three -0.314333  1.379423
            C         D
A                      
bar -0.616263  0.617800
foo -0.606877  0.817815

但是，我希望看到以下所有行：

0   foo one   -0.606877   0.817815
1   bar one   -0.616263   0.617800
2   foo two   -0.606877   0.817815
3   bar three -0.616263   0.617800
4   foo two   -0.606877   0.817815
5   bar two   -0.616263   0.617800
6   foo one   -0.606877   0.817815
7   foo three -0.606877   0.817815

我也愿意使用任何其他图书馆。我只需要使用python3快速高效地完成这项工作

提前感谢

与指定列一起使用：

cols = ['C','D']
df[cols] = df.groupby('A')[cols].transform('mean')
print(df)
     A      B         C         D
0  foo    one  0.444616 -0.232363
1  bar    one  0.173897 -0.603437
2  foo    two  0.444616 -0.232363
3  bar  three  0.173897 -0.603437
4  foo    two  0.444616 -0.232363
5  bar    two  0.173897 -0.603437
6  foo    one  0.444616 -0.232363
7  foo  three  0.444616 -0.232363

---

您也可以使用

apply

。对每个组执行该操作，但返回该组的所有行

def my_func(x):
    x["D"] = x.C.mean()
    return x
grouped = df.groupby('A', as_index=False).apply(my_func)
print(grouped)

---

哇！魔术谢谢你。也很好

def my_func(x):
    x["D"] = x.C.mean()
    return x
grouped = df.groupby('A', as_index=False).apply(my_func)
print(grouped)