這次介紹的小技巧不是統計，而是把統計結果作為新列和原來的數據放在一起。
pandas的各種統計功能之前已經介紹了不少，但是每次都是統計結果歸統計結果，原始數據歸原始數據，
沒有把它們合併在一個數據集中來觀察。

下麵通過兩個場景示例來演示如果把統計值作為新列的數據。

1. 成績統計的場景

成績統計及其類似的場景比較常見，也就是把每行統計的結果作為該行的一個新列。
比如：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    np.random.randint(60, 100, (4, 3))
)
df.columns = ["語文", "數學", "英語"]
df.index = ["學生"+s for s in list("ABCD")]
df

統計每個學生的各科總分和平均分，然後作為新的列合併到原數據中。

sum = df.sum(axis=1)
mean = df.mean(axis=1)

df["總分"] = sum
df["平均分"] = mean
df

這樣可以更全面的查看每個學生的學習情況。

2. 訂單統計的場景

訂單統計的這個示例稍微複雜點，因為一個訂單ID可能包含多個物品，
按訂單ID來統計每個訂單合計信息時，不能簡單的像上面的統計成績那樣直接計算按行統計。

df = pd.DataFrame(
    {
        "id": [1, 1, 2, 3, 3, 3],
        "product": ["蘋果", "香蕉", "手機",
                    "冰箱", "電視", "空調"],
        "price": [24, 15, 2000, 8000, 
                  5500, 7800],
    }
)

df

如上所示，總共有3個訂單，根據訂單號統計每個訂單的總價如下：

df.groupby("id").price.sum()

得到每個訂單ID對應的總價格，但是合計信息只有3行，而原來的數據是6行，無法直接合併到原數據。

這種情況下，我們需要用pandas里的transform函數。
transform函數分組統計之後，會保持原來的行數。

df["總價"] = df.groupby("id").price.transform("sum")
df

相同的訂單ID，統計的總價是一樣的。
把總價的信息附加在訂單的每個具體物品之後，
還可以基於此統計出同一個訂單中每個物品價格所占總價的百分比。

df["百分比"] = df.price / df["合計"]
df

總之，統計值作為新的列，不僅可以更好的比較和觀察原始數據和統計值，
還可以基於新的統計列，再統計出其他的信息。