Python Community | Chat

🔥 Pandas трюк: ускоряем группировки с map вместо merge_groupby Когда нужно добавить агрегированные значения (например, среднее по группе) обратно в исходный DataFrame, большинство разработчиков делают groupby().transform() или merge(). Но есть менее известный способ — использовать map() после groupby().mean(), который в некоторых случаях работает в 2–3 раза быстрее и требует меньше памяти. Фокус в том, что groupby().mean() создаёт компактный Series, где индекс — это категория, а значения — результат агрегации. А map() просто подставляет их обратно в исходный DataFrame без тяжёлого join. import pandas as pd import numpy as np # пример данных N = 5_000_000 df = pd.DataFrame({ "group": np.random.choice(["A", "B", "C", "D"], N), "value": np.random.randn(N) }) # классический подход df["mean_value_merge"] = df["group"].map(df.groupby("group")["value"].mean()) # сравнение с transform df["mean_value_transform"] = df.groupby("group")["value"].transform("mean") # идентичность результата print(df["mean_value_merge"].equals(df["mean_value_transform"])) Это особенно полезно на миллионах строк, когда transform начинает “проседать”. Метод даёт тот же результат, но заметно экономнее по CPU и RAM. @Python_Community_ru