Python 熊猫：使用groupby

我有数据帧

ID    domain    category    active_seconds
111   vk.com    Social_network   42
111   facebook.com   Social_network   18
222   vk.com      Social_network     50
222   gmail.com   E-mail    50

如果我使用

df.groupby（['category'，'domain']）.agg（{'ID'：pd.Series.nunique，'active_seconds'：np.sum}）。重命名（列={'ID'：'all_users'，'active_seconds'：'all_time'}。重置_index（）

我能接受

类别域所有用户所有时间
社交网络vk.com 2 92
社交网络facebook.com 1 18
电子邮件gmail.com 150

但是否有任何方法可以获得这种格式的报告：

category          domain     all_users     all_time
Social_network                   2            110
                   vk.com        2             92
                  facebook.com   1             18

E-mail                           1             50
                   gmail.com     1             50                   

---

您可以通过

sum

创建新的

DataFrame

，并添加新的级别，最后使用：

新

数据帧的另一个解决方案是通过和创建新列：

如果我的回答有帮助，别忘了。谢谢。你能说，我怎样才能将唯一用户的数量打印到分类，而不是总和？非常感谢！你能给我一些书或其他建议来提高技能吗？它返回一个错误
KeyError:
df2=df1.groupby（'category'）.agg中的url\u maincegory'
({'all_users'：'nunique'，'all_time'：'sum'}）
什么是
print（df1.columns.tolist（））
？Keyerror显然意味着您希望选择一些不存在的列。但这里很有趣，因为只使用列
所有用户
、
所有时间
和
类别
。可能问题是
的url\u Maincategory
列丢失了，您以后在代码中需要它。您能检查一下吗？
#omit reset_index
df1 = df.groupby(['category', 'domain'])
        .agg({'ID': pd.Series.nunique, 'active_seconds': np.sum})
        .rename(columns={'ID': 'all_users', 'active_seconds': 'all_time'})

df2 = df1.groupby('category').agg({'all_users': 'nunique', 'all_time': 'sum'})

df2.index = pd.MultiIndex.from_arrays([df2.index, [''] * len(df2.index)],
                                       names=('category','domain'))
print (df2)
                       all_time  all_users
category       domain                     
E-mail                       50          1
Social_network              110          2

print (pd.concat([df1,df2]).sort_index())
                             all_time  all_users
category       domain                           
E-mail                             50          1
               gmail.com           50          1
Social_network                    110          2
               facebook.com        18          1
               vk.com              92          2

df2 = df1.groupby('category').agg({'all_users': 'nunique', 'all_time': 'sum'})
         .assign(domain='')
         .set_index('domain', append=True)
print (df2)
                       all_time  all_users
category       domain                     
E-mail                       50          1
Social_network              110          2