Pandas 熊猫多指数计数

数据：

index = [('A', 'aa', 'aaa'),
         ('A', 'aa', 'aab'),
         ('B', 'bb', 'bbb'),
         ('B', 'bb', 'bbc'),
         ('C', 'cc', 'ccc')
        ]
values = [0.07, 0.04, 0.04, 0.06, 0.07]

s = pd.Series(data=values, index=pd.MultiIndex.from_tuples(index))

s
A  aa  aaa    0.07
       aab    0.04
B  bb  bbb    0.04
       bbc    0.06
C  cc  ccc    0.07

要获得前两个级别的平均值很容易：

s.mean(level=[0,1])

结果:

A  aa    0.055
B  bb    0.050
C  cc    0.070

但要计算前两个级别的数量并不相同：

#s.count(level=[0,1]) # does not work

我可以四处走动：

s.reset_index().groupby(['level_0', 'level_1']).size()

level_0  level_1
A        aa         2
B        bb         2
C        cc         1

---

但必须有一种更干净的方法才能得到同样的结果？我遗漏了一些明显的东西吗？

似乎是bug，您可以使用：

print (s.groupby(level=[0,1]).size())
#with exclude NaNs
#print (s.groupby(level=[0,1]).count())
A  aa    2
B  bb    2
C  cc    1
dtype: int64

---

从未想过系列会有一个“groupby”方法：）这是很有帮助的，我接受这个答案，认为这是一个更干净的方法，但也许有人能证实，在速度和效率方面，没有“计数方法”可供选择吗？@arvyzu-似乎还没有；(