Python 按索引分组+；熊猫专栏

我有一个包含列的数据框

用户id

你买的东西

这里user_id是df的索引。我想根据用户id和购买的物品进行分组，并获取用户的物品数量。我该怎么做呢

谢谢

这应该可以：

>>> df = pd.DataFrame(np.random.randint(0,5,(6, 2)), columns=['col1','col2'])
>>> df['ind1'] = list('AAABCC')
>>> df['ind2'] = range(6)
>>> df.set_index(['ind1','ind2'], inplace=True)
>>> df

           col1  col2
ind1 ind2            
A    0        3     2
     1        2     0
     2        2     3
B    3        2     4
C    4        3     1
     5        0     0


>>> df.groupby([df.index.get_level_values(0),'col1']).count()

           col2
ind1 col1      
A    2        2
     3        1
B    2        1
C    0        1
     3        1

我在使用multiindex中的一列时也遇到了同样的问题。对于多索引，您不能使用df.index.levels[0]，因为它只有与该特定索引级别不同的值，并且很可能与整个数据帧的大小不同

选中-get_level_values“返回所请求级别的标签值向量，等于索引的长度”

从版本它更简单：

作为by参数传递给DataFrame.groupby（）的字符串现在可以引用列名或索引级别名称

我也遇到了同样的问题——导入了一堆数据，我想按一个作为索引的字段进行分组。我没有多重索引或任何爵士乐，你也没有

我想问题是我想要的字段是索引，所以首先我只是重置索引-但这给了我一个无用的索引字段，我不想要。因此，现在我做以下工作（两个级别的分组）：

然后，我可以对不同的报告以多种方式使用“分组”

grouped[['Field3','Field4']].agg([np.mean, np.std])

（这就是我想要的，给我Field4和Field3的平均值，按Field1（索引）和Field2分组

对于您来说，如果您只想使用groupby在一个简单的行中计算每个用户的项目数，那么代码可以是

df.reset_index().groupby(by=['user_id']).count()

如果你想做更多的事情，那么你可以（像我一样）创建“分组”，然后使用它。作为初学者，我发现这样做更容易

---

请注意，“重置索引”未“就位”，因此不会弄乱原始数据框

您应该能够执行

df.groupby（[df.index，'item_bunded']）。apply（pd.Series.count（level=0））

，实际上不

df.groupby（[df.index，'item_bunded']）。count

给你你想要的？为什么不使用这个作为答案？当我尝试按[df.index，''分组时，我遇到了一个错误：Grouper和axis必须相同长度对我来说不同的错误：

TypeError:Unhabable type:'Int64Index'

@EdChum，太棒了！它甚至没有文档记录，是吗？为什么会被否决？它完全符合他们的要求。它没有显示如何从索引+列到计数……在您的示例中，用户id是一列，只需重置索引

 df=df.reset_index（）

…然后您可以在数据透视中使用它。是否有方法也可以对

pd.Series

执行此操作？我尝试传递序列名称，但它会给出一个

keyrerror

。我的意思是，按一个索引级别和序列的值对序列进行分组。

grouped = df.reset_index().groupby(by=['Field1','Field2'])

grouped[['Field3','Field4']].agg([np.mean, np.std])

df.reset_index().groupby(by=['user_id']).count()