transform比apply更合适计算组内累计占比，因其能天然广播组内聚合结果并严格对齐原始索引，避免错位与丢行；核心是稳定性——返回Series长度恒等于原DataFrame。
transform为什么比apply更合适算组内累计占比
因为 transform 能天然广播组内聚合结果，直接对齐原始索引；而用 apply 配合 cumsum 容易错位，尤其当组内有缺失值或索引不连续时。核心不是“能不能算”，而是“算得稳不稳”——transform 返回的 Series 长度一定和原 DataFrame 一致，不会丢行、不会错序。
分组累计占比的三步实操写法
本质是：每组先算总和 → 每组内逐行累加 → 累加值除以组总和。关键在第二步不能用 cumsum 直接套在原始列上，必须先按组做前缀和，再用 transform 拿组总和来归一化：
- 用
groupby(...).cumsum()得到组内累计和（注意：这是按组内顺序累加，不是全局） - 用
groupby(...).transform('sum')拿到每行所属组的总和，自动对齐行位置 - 二者相除即得累计占比，结果仍是原始长度的 Series
示例：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
df['cum_pct'] = df.groupby('category')['value'].cumsum() / df.groupby('category')['value'].transform('sum')
容易踩的坑：空值、零和分组键重复
NaN 会污染整组计算：如果某组含 NaN，cumsum 默认跳过，但 transform('sum') 默认也跳过，看似安全；可一旦设了 min_count=1 或用了 dropna=False，行为就不同。最稳妥的做法是显式清洗：
立即学习“Python免费学习笔记（深入）”；
- 计算前用
df.dropna(subset=['category', 'value'])清掉关键列空值 - 若某组
value全为 0，transform('sum')返回 0，除法会触发RuntimeWarning: divide by zero并产出inf或nan；需提前用mask过滤或用np.where - 分组键本身重复不影响，但若用多级索引或
as_index=False，要确认groupby的 key 和后续transform的 scope 一致
性能差异：transform('sum') vs agg({'sum'}).reset_index()
前者快一个数量级。因为 transform('sum') 是纯向量化广播，不构造新 DataFrame；后者要 merge 回原表，涉及索引对齐和内存拷贝。尤其在百万行以上、分组数多于千级时，延迟明显。另外，transform 支持字符串方法如 'size'、'count'，但不支持自定义函数传参——需要复杂逻辑时，宁可拆成两步：先 agg 得字典，再 map 回去，也别硬套 transform(lambda x: ...)。
