pandas groupby transform: среднее группы для каждой строки

groupby(...).transform("mean") в pandas возвращает групповое среднее для каждой исходной строки. В отличие от agg, transform сохраняет длину результата и связь с индексом исходной таблицы.

Когда нужен transform

Если нужно сравнить продажу с обычным уровнем её магазина, одной строки на магазин недостаточно: среднее требуется рядом с каждой продажей. transform позволяет добавить такой признак без промежуточного merge.

agg используйте для отдельного сводного отчёта по группам. transform — для признака на уровне исходных строк, например отклонения от среднего или доли в сумме группы. Перед делением на групповой показатель проверьте нулевые значения.

Пример на других данных

import pandas as pd
df = pd.DataFrame({"shop": ["A", "A", "B"], "sales": [10, 30, 8]})
df["shop_mean"] = df.groupby("shop")["sales"].transform("mean")
print(df["shop_mean"].tolist())
print((df["sales"] > df["shop_mean"]).tolist())

Результат:

[20.0, 20.0, 8.0]
[False, True, False]

Попробуйте сами

Ниже — отдельное упражнение: напишите код и запустите проверку. Другие упражнения по этой теме. Для обучения по порядку откройте бесплатный курс NumPy и pandas.

Флаг «выше среднего по региону»: transform('mean') и векторное сравнение

Что уже дано

Проверяющая система запускает вашу программу и подаёт данные через stdin. Никаких заранее созданных переменных нет — вы читаете всё сами.

Что нужно сделать

Напишите программу, которая:

Читает из stdin целое число n — количество строк таблицы.
Читает следующие n строк; каждая содержит три токена через пробел: region (строка без пробелов), manager (строка без пробелов), sales (целое число). Пример строки: Север Аня 200.
Создаёт pd.DataFrame с именем df из словаря списков с ключами 'region', 'manager', 'sales'.
Добавляет столбец 'region_avg' — среднее sales по каждому region для каждой строки — через df.groupby('region')['sales'].transform('mean').
Добавляет булев столбец 'above_avg' — True, если sales данной строки строго больше region_avg. Используйте векторное сравнение без циклов.
Выводит в stdout ровно n + 2 строк:

Строки 1…n: для каждой строки (в исходном порядке) одну строку вида <manager> <region_avg_rounded_to_1> <above_avg>, где region_avg округлён до одного знака после запятой, above_avg — True или False.
Строка n+1: above_count: <k> — число строк, где above_avg равен True (через df['above_avg'].sum()).
Строка n+2: shape: <shape> — кортеж df.shape.

Ввод и вывод

Программа читает stdin и пишет в stdout.

Ограничения: n >= 1.

Формат ввода

n
region1 manager1 sales1
...
regionN managerN salesN

Формат вывода

manager1 region_avg1 above_avg1
...
managerN region_avgN above_avgN
above_count: <k>
shape: (<n>, <cols>)

Пример

Ввод: 8 Север Аня 200 Юг Боря 150 Север Вера 300 Восток Гена 100 Юг Даша 250 Восток Егор 180 Север Жора 220 Юг Зина 90
Вывод: Аня 240.0 False Боря 163.3 False Вера 240.0 True Гена 140.0 False Даша 163.3 True Егор 140.0 True Жора 240.0 False Зина 163.3 False above_count: 3 shape: (8, 5)

РешениеPython

Без регистрации. Гостевая проверка не сохраняет прогресс. Для сохранения перейдите к уроку.

Отправьте решение, чтобы увидеть результаты тестов.