python - Pandas中groupby方法的 'level'参数是如何工作的？

Question

(df.set_index('STNAME').groupby(level=0)['CENSUS2010POP']
   .agg({'avg': np.average, 'sum': np.sum}))

在上面的代码中，为什么需要在groupby中指定level参数，因为根据我的理解，只有当DataFrame中有multiIndex时才需要level参数。

Answer 1

不只是MultiIndex，它也应该在Index中使用，因为只有一层。

也适用于函数agg对于聚合指定的列，需要通过元组列表来指定具有聚合函数的新列的名称:

df1 = (df.groupby('STNAME')['CENSUS2010POP']
         .agg({'avg': np.average, 'sum': np.sum}))

FutureWarning: using a dict on a Series for aggregation is deprecated and will be removed in a future version .agg({'avg': np.average, 'sum': np.sum}))

<小时/>

但是你的代码应该更简单:

df = pd.DataFrame({'STNAME':list('aab'),
                   'CENSUS2010POP':[10,20,50]})

df1 = (df.groupby('STNAME')['CENSUS2010POP']
         .agg([('avg', np.average), ('sum', np.sum)]))
print (df1)
        avg  sum
STNAME          
a        15   30
b        50   50

此外，如果确实需要从 STNAME 列创建索引，或者已经在 last versions 的 DataFrame 中创建索引工作的 pandas (0.20+) 数量:

(df.set_index('STNAME').groupby('STNAME')['CENSUS2010POP']
   .agg([('avg', np.average), ('sum', np.sum)]))