Python 带seaborn的Jointplot多索引列

我有这个数据框：

df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'B'], 'col2': ['A1', 'B1', 'B1', 'B1', 'A1']})

              col1  col2

0   A   A1
1   A   B1
2   B   B1
3   B   B1
4   B   A1

我做了一个群比。结果是一个多索引列

df = df.groupby(['col1']).agg({'col2': ['nunique','count']})

       col2
       nunique   count
 col1       
 A     2           2
 B     2           3

然后，我在seaborn图书馆做了一个拼接图

sns.jointplot(x=['col2','nunique'],y=['col2','count'],data=df,kind='scatter')

我犯了这个错误

TypeError: only integer scalar arrays can be converted to a scalar index

我的问题是:

有没有办法像这样将多索引列拆分为两个独立的列

col1  col2_unique col2_count        
 A     2           2
 B     2           3

或

有什么方法可以连接多索引列吗

---

谢谢你的帮助

您可以通过在列表中指定列

col2

和在

agg

中为列中的避免

MultiIndex

仅使用聚合函数来更改聚合：

df = df.groupby(['col1'])['col2'].agg(['nunique','count'])
print(df)
      nunique  count
col1                
A           2      2
B           2      3

sns.jointplot(x='nunique', y='count', data=df, kind='scatter')

---

或者，如果需要，在

agg

中使用

dictionary

，将多索引展平，例如，聚合另一列：

df = df.groupby(['col1']).agg({'col2': ['nunique','count'], 'col1':['min']})

df.columns = df.columns.map('_'.join)
print (df)
     col1_min  col2_nunique  col2_count
col1                                   
A           A             2           2
B           B             2           3