Python 熊猫：在多个列上分组

我正在学习熊猫，有很强的SQL背景，所以我需要重新思考许多习惯和思维框架。虽然我认为我理解

groupby（）

方法，但我就是不知道如何在多个列上应用它

假设我们在数据库中有一个表：

+----+--------------+-----------+--------------+-------+
| id | product_name | category  | subcategory  | price |
+----+--------------+-----------+--------------+-------+
|  1 | product1     | category1 | subcategory1 |  8.41 |
|  2 | product2     | category1 | subcategory1 | 62.74 |
|  3 | product3     | category1 | subcategory2 | 85.84 |
|  4 | product4     | category2 | subcategory2 | 32.71 |
|  5 | product5     | category2 | subcategory1 | 39.62 |
|  6 | product6     | category2 | subcategory1 | 37.43 |
|  7 | product7     | category3 | subcategory2 | 55.01 |
|  8 | product8     | category3 | subcategory1 | 26.91 |
|  9 | product9     | category3 | subcategory3 | 77.13 |
| 10 | product10    | category3 | subcategory3 | 40.79 |
+---+--------------+-----------+--------------+-------+

在多个列上进行聚合非常容易：

从my_表中按类别、子类别分组选择类别、子类别、平均（价格）作为平均价格

其中返回以下内容：

+-----------+--------------+-----------+
| category  | subcategory  | avg_price |
+-----------+--------------+-----------+
| category1 | subcategory1 |    35.575 |
| category1 | subcategory2 |     85.84 |
| category2 | subcategory1 |    38.525 |
| category2 | subcategory2 |     32.71 |
| category3 | subcategory1 |     26.91 |
| category3 | subcategory2 |     55.01 |
| category3 | subcategory3 |     58.96 |
+-----------+--------------+-----------+

因此，在我明显错误的理解中，这对熊猫也会有同样的影响：

df['price'].groupby（df[['category'，'subcategory']]）.mean（）

它返回

ValueError:Grouper for''不是一维的，而：

df['price'].groupby（df['category']）.mean（）

一切正常

有人能帮我吗？
你必须修改你的
groupby
语法

df.groupby(['category', 'subcategory'])['price'].mean()

我想你需要做-

df.groupby(['category', 'subcategory'])['price'].mean()

试试：
df.groupby（['category'，'subcategory']）['price'].mean（）
谢谢大家，就这样！