Python 使用标准进行分组选择

我有多个网站，用户在不同的日期访问它们。我只希望在特定时间范围内首先访问的网站：

sites = db.groupby('websitename')
newWebsites = (sites['date'].min() >= '2018-02-17') &
              (sites['date'].min() < '2018-02-24')

我想做的是计算这些网站在接下来几周的用户数量。然后我做的是按

websitename

和

date

分组：

siteDate = db.groupby(['websitename', 'date'])

调用

siteDate['ga:Users'].sum（）

已经给了我想要的：

websitename                                  date   
google.com                                   2018-04-03    1
facebook.com                                 2018-04-07    1
hooli.com                                    2018-02-17    1
                                             2018-02-20    1
                                             2018-03-07    1
                                             2018-03-08    3
Name: users, Length: 794, dtype: int64

但现在我只想要特定的网站（在newWebsites中指定的网站。在本例中是

hooli.com

）

现在我想从

siteDate

中选择所有在

newWebsites

中具有

True

的网站。我试过：

siteDate[newWebsites]

但这会返回一个错误：

“未找到列：False，True”

---

我理解，因为熊猫正在

siteDate

中查找不存在的

True

和

False

列。但是如何选择正确的网站呢？

默认情况下，数据框上的

[]

操作符选择列。要选择行，请使用

.loc[]

：

siteDate['ga:Users'].sum().loc[newWebsites]

---

但由于我有一个groupby对象，这会导致以下错误：AttributeError:无法访问“DataFrameGroupBy”对象的可调用属性“loc”，请尝试使用“apply”method@HansBambel：抱歉，请立即尝试我的更新。如果它不太管用，就玩一玩。您的实际用例因其具有多索引标签而稍微复杂，并且您还没有给我们提供MVCE，因此我不能向您保证100%的工作代码，但这是总体思路。感谢您的想法！我使用

siteDate['ga:Users'].sum（）.loc[newWebsites[newWebsites].index]

siteDate['ga:Users'].sum().loc[newWebsites]