Pandas Python:group by之后的索引不正确，对列集合的聚合不同

我想按

CurrentDate、Car

字段分组，并应用以下功能：

np.mean

函数到

['Attr1'，…'Attr5']

列的列表

np.随机

用于

工厂

列

这里介绍了

df

的示例：

Index   Car       Attr1    Attr2  Attr3  Attr4  Attr5  AttrFactory  CurrentDate                           
0      Nissan     0.0       1.7    3.7    0.0    6.8      F1          01/07/18
1      Nissan     0.0       1.7    3.7    0.0    6.8      F2          01/07/18
2      Nissan     0.0       1.7    3.7    0.0    6.8      F3          03/08/18
3      Porsche    10.0      0.0    2.8    3.5    6.5      F2          05/08/18
4      Porsche    10.0      2.0    0.8    3.5    6.5      F1          05/08/18   
5      Golf       0.0       1.7    3.0    2.0    6.3      F4          07/09/18       
6      Tiguan     1.0       0.0    3.0    5.2    5.8      F5          10/09/18         
7      Porsche    0.0       0.0    3.0    4.2    7.8      F4          12/09/18     
8      Tiguan     0.0       0.0    0.0    7.2    9.0      F3          13/09/18    
9      Golf       0.0       3.0    0.0    0.0    4.8      F5          25/09/18 
10     Golf       0.0       3.0    0.0    0.0    4.8      F1          25/09/18  
11     Golf       0.0       3.0    0.0    0.0    4.8      F3          25/09/18   

我尝试通过以下代码执行此操作：

metric_cols = df.filter(regex='^Attr',axis=1).columns #it's list of all Attr columns;

addt_col = list(df.filter(regex='^Attr',axis=1).columns).remove('AttrFactory')


df_gr = df.groupby(['CurrentDate', 'Car'], as_index=False)[metric_cols].agg({addt_col: np.mean, 'AttrFactory': lambda x: x.iloc[np.random.choice(range(0,len(x)))]})

在结果中，我收到了带有inctorrect索引的

df

：

CurrentDate     Car          NaN
                         CurrentDate   Car    Attr1  Attr2  Attr3  Attr4  Attr5 AttrFactory                           
01/07/18      Nissan       01/07/18   Nissan    0.0   1.7    3.7    0.0    6.8      F1                   
03/08/18      Nissan       03/08/18   Nissan    0.0   1.7    3.7    0.0    6.8      F3          
05/08/18      Porsche      05/08/18   Porsche   10.0  1.0    1.8    3.5    6.5      F1                    
  ...           ...         ...        ...      ...   ...    ...    ...    ...      ...  
13/09/18      Tiguan       13/09/18   Tiguan    0.0   0.0    0.0    7.2    9.0      F3          
25/09/18      Golf         25/09/18   Golf      0.0   1.0    0.0    0.0    4.8      F3           

预期输出为df\U gr：

                           Attr1  Attr2  Attr3  Attr4  Attr5  AttrFactory                           
01/07/18      Nissan        0.0    1.7    3.7    0.0    6.8       F1                   
03/08/18      Nissan        0.0    1.7    3.7    0.0    6.8       F3          
05/08/18      Porsche       10.0   1.0    1.8    3.5    6.5       F1                    
  ...         ...           ...    ...    ...    ...    ...       ...      
13/09/18      Tiguan        0.0    0.0    0.0    7.2    9.0       F3          
25/09/18      Golf          0.0    1.0    0.0    0.0    4.8       F3           

如何修复结果顶部不正确的索引？

---

如果您有任何想法，我将不胜感激，谢谢）

您可以为您的聚合创建一个字典，并将它们传递到agg

在：

输出：

---

您可以制作聚合的字典并将它们传递到agg

在：

输出：

---

聚合器按列应用，因此存储在级别2，而列名存储在级别1（以防止覆盖）。这在每列应用多个聚合器时特别有用

解决方案如下：

# Merge the aggregator with the column name
df_gr.columns = ['_'.join(x) for x in df_gr.columns.values.reshape(-1)]

---

聚合器按列应用，因此存储在级别2，而列名存储在级别1（以防止覆盖）。这在每列应用多个聚合器时特别有用

解决方案如下：

# Merge the aggregator with the column name
df_gr.columns = ['_'.join(x) for x in df_gr.columns.values.reshape(-1)]

# Merge the aggregator with the column name
df_gr.columns = ['_'.join(x) for x in df_gr.columns.values.reshape(-1)]