正确写法是用transform内嵌匿名函数归一化，如df.groupby('category')['value'].transform(lambda x: x/x.sum())；transform('size')合法且高效，而误用count()或value_counts会破坏分组上下文。
groupby后直接用transform计算组内占比的正确写法
不能直接对 groupby 对象调用 transform('count') 然后除，因为 transform 要求返回与原 Series 长度一致的结果，且必须是标量聚合后广播——常见错误是误用 size() 或 count() 返回单个值导致长度不匹配。
正确做法是：先用 groupby().size() 得到每组频次，再用 map 或 transform 映射回原索引。但更简洁、安全的是在 transform 内部用匿名函数做组内归一化：
-
df['pct'] = df.groupby('category')['value'].transform(lambda x: x / x.sum())—— 适用于求某列在组内的占比（如销售额占本品类总和的比例） -
df['pct'] = df.groupby('category').transform('size') / len(df)—— 适用于求每组行数占全表比例（注意：这里transform('size')是合法的，它会为每行填入该组总行数） - 若要算「某分类下 True 的占比」，别写
transform('mean')就完事——前提是布尔列已转为 0/1，否则mean()会报错或静默失败
为什么不用value_counts(normalize=True)配合map？
value_counts(normalize=True) 只能算单列整体分布，无法绑定分组上下文；想实现分组归一化，必须依赖 groupby 的作用域。有人试图这样写：df['cat_pct'] = df['category'].map(df['category'].value_counts(normalize=True))，结果得到的是全局占比，不是「每个 category 在各自 group 中的占比」。
典型误用场景：你有 region 和 product_type 两列，想看「每个 region 中 A 类产品的占比」——这时必须 groupby('region')['product_type'].apply(lambda x: (x == 'A').mean())，再 map 回去，或者更高效地用 transform：
立即学习“Python免费学习笔记（深入）”；
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['is_A'] = (df['product_type'] == 'A').astype(int)df['pct_A_in_region'] = df.groupby('region')['is_A'].transform('mean')
transform('size') 和 transform(lambda x: len(x)) 有区别吗？
有。虽然效果通常一样，但行为不同：transform('size') 是 pandas 内置优化方法，支持空组（返回 0），且在多级分组时稳定；而 transform(lambda x: len(x)) 在遇到空组（比如 groupby 后某组被过滤掉）时可能抛 ValueError: Length mismatch。
另外，size 统计所有行（含 NaN），count() 只统计非空值——如果你的分组键本身含 NaN，默认会被丢弃；若想保留 NaN 组，得加参数 dropna=False：
-
df.groupby('category', dropna=False).size()→ 包含NaN作为一组 -
df.groupby('category', dropna=False)['value'].transform('count')→ 每行填入该 category 下value非空值个数
性能敏感时要注意的细节
当数据量超百万行，transform 内部用 lambda 会比内置字符串方法慢 2–5 倍。例如：
- ✅ 快：
df.groupby('A')['B'].transform('sum') - ⚠️ 慢：
df.groupby('A')['B'].transform(lambda x: x.sum()) - ❌ 错：
df.groupby('A')['B'].transform(lambda x: sum(x))（sum是 Python 内置函数，不识别 pandas Series）
另一个坑是链式调用：别写 df.groupby(...).transform(...).round(3)，因为 transform 返回的是 Series，但中间若涉及 fillna 或类型转换，容易因隐式类型提升（如 int → float）引发后续计算偏差。
最易被忽略的一点：transform 不改变原始索引顺序，但如果原 DataFrame 已经被 sort_values 或重排过，分组占比结果依然按原始 index 对齐——这意味着你看到的「某行占比」永远对应它原来的那行，而不是排序后的位置。
