groupby().transform()算百分比全NaN主因是分组含0或缺失值导致除零产生inf/NaN；应先清洗零值、改用agg+map，或用div(fill_value=0)并确认业务逻辑。
groupby().transform() 算百分比时结果全是 NaN？
常见现象是 df.groupby('category')['value'].transform(lambda x: x / x.sum()) 返回全 NaN，尤其当分组里有 0 或缺失值时。根本原因是 transform 要求函数返回与输入等长的序列，而除法遇到 0 会产出 inf 或 NaN，再参与后续运算就扩散了。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
df['value'].replace(0, np.nan)清洗零值（如果业务允许） - 改用
.agg()配合map更稳妥：先算各组总和sums = df.groupby('category')['value'].sum()，再映射df['category'].map(sums)，最后做除法 - 若必须用
transform，写成lambda x: x.div(x.sum(), fill_value=0)，fill_value=0能抑制除零警告但不解决逻辑问题——得看业务是否接受分母为 0 时结果为 0
用 transform 做分组占比 vs 用 apply + size
想算“每行占所在组的百分比”，transform 是对的；但若想算“每组占全局的百分比”，就不能用 transform——它强制按原索引对齐，结果长度不变，没法压缩到组级别。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 分组内占比（行级）：用
df.groupby('cat')['val'].transform('sum')得分母，再除原列 - 分组全局占比（组级）：用
df.groupby('cat')['val'].sum() / df['val'].sum()，返回的是Series，索引是cat值，不是原表行数 - 混用场景（比如加一列“本组占全局比例”）：先算组级占比
grp_pct = df.groupby('cat')['val'].sum() / df['val'].sum()，再用df['cat'].map(grp_pct)
pandas 1.4+ 的 div() 方法在 transform 中行为变化
老版本 pandas 中 x.div(x.sum()) 在 transform 里可能隐式广播，新版本更严格：要求两边长度一致，否则报 ValueError: Unable to coerce to Series, length must be 1。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 别依赖隐式广播，显式写
x / x.sum()或x.div(x.sum().iloc[0]) - 遇到
length must be 1错误，大概率是x.sum()返回了Series（比如多列 groupby），加.iloc[0]或.item()取标量 - 检查
x.sum()类型：单数值用.item()最安全；若可能为空组，加dropna=False和min_count=1参数防崩
性能差异：transform vs merge vs map
三者都能实现分组占比，但底层机制不同：transform 是纯内存向量化操作，快但受限于函数签名；map 本质是索引对齐查找，适合已聚合结果复用；merge 涉及笛卡尔开销，小数据看不出，百万行以上明显拖慢。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 高频计算、原始表不变 → 优先
transform，配合cache=True（pandas 2.0+）可复用中间结果 - 需多次复用组统计量（如同时算均值、占比、标准差）→ 先
agg得到group_stats，再map多次，比反复transform快 - 避免
merge：除非要保留空组或做外连接，否则纯属增加复杂度
真正容易被忽略的是分母的语义——是组内 sum？还是排除异常值后的 sum？还是带权重的 sum？transform 本身不校验业务逻辑，只忠实地执行你写的表达式。写完记得抽样几组手工核对分母值。
