Python 如何在dask数据帧中添加一列，该列根据其他列中值的相似性包含一列值的平均值

我有一个非常大的CSV文件，它已经在Python中作为dask数据帧导入。我制作了一个小数据框来解释我的问题

import dask.dataframe as dd
df = dd.read_csv("name and path of the file.csv")
df.head()

输出：

 +----+----+----+----+
 |col1|col2|col3|col4|
 +----+----+----+----+
 |  A |2001|  2 |  5 |
 +----+----+----+----+
 |  A |2001|  2 |  4 |
 +----+----+----+----+
 |  A |2001|  3 |  6 |
 +----+----+----+----+
 |  A |2002|  4 |  5 |
 +----+----+----+----+
 |  B |2001|  2 |  9 |
 +----+----+----+----+
 |  B |2001|  2 |  4 |
 +----+----+----+----+
 |  B |2001|  2 |  3 |
 +----+----+----+----+
 |  B |2001|  3 | 95 |
 +----+----+----+----+

如果

col1

中对应的值相同，我想添加另一列

col3\u mean

，其中包含

col3

的平均值

 +----+----+----+----+---------+
 |col1|col2|col3|col4|col3_mean|
 +----+----+----+----+---------+
 |  A |2001|  2 |  5 |   2.75  |
 +----+----+----+----+---------+
 |  A |2001|  2 |  4 |   2.75  |
 +----+----+----+----+---------+
 |  A |2001|  3 |  6 |   2.75  |
 +----+----+----+----+---------+
 |  A |2002|  4 |  5 |   2.75  |
 +----+----+----+----+---------+
 |  B |2001|  2 |  9 |   2.25  |
 +----+----+----+----+---------+
 |  B |2001|  2 |  4 |   2.25  |
 +----+----+----+----+---------+
 |  B |2001|  2 |  3 |   2.25  |
 +----+----+----+----+---------+
 |  B |2001|  3 | 95 |   2.25  |
 +----+----+----+----+---------+

我知道对于

pandas

中的此任务，我们可以使用：

df['col3_mean'] = df.groupby(['col1'])['col3'].transform('mean')

我在dask中使用了以下代码，但它返回

col3\u mean

df['col3_mean'] = df.groupby(df.col1).col3.mean()

我还使用了

df['index']=df.groupby（df.lable）.col3.mean（）.collect（）

，这不起作用。另外，下面的行只返回一个

pandas.core.series.series

df.groupby(df.col1).col3.mean().collect()

---

发布我的问题后，我可以找到答案：

s = df.groupby(df.col1).col3.mean().compute()
#s is pandas series
df['col3_mean'] = df['col1'].map(s)

但是，它不适用于我的大型数据帧。它永远运行，我必须重新启动我的电脑

---

请告诉我您是否有其他解决方案

以下代码适用于我的大数据

agg = df.groupby(['lable']).open_cap.aggregate(["mean"])
agg.columns = ['col3_mean']
df = df.merge(agg.reset_index(), on="lable", how="left")

如果您有任何问题，请添加您的答案