Python ValueError:无法插入ID，已存在

我有以下数据：

ID   TIME
1    2
1    4
1    2
2    3

我想根据

ID

对数据进行分组，并计算每组的平均时间和大小

ID   MEAN_TIME COUNT
1    2.67      3
2    3.00      1

如果运行此代码，则会出现错误“ValueError:无法插入ID，已存在”：

---

使用参数

drop=True

，该参数不使用

索引创建新列，而是将其删除：

result = df.groupby(['ID']).agg({'TIME': 'mean', 'ID': 'count'}).reset_index(drop=True)
print (result)
   ID      TIME
0   3  2.666667
1   1  3.000000

但如果需要索引中的新列，则需要先重命名旧列名：

result = df.groupby(['ID']).agg({'TIME': 'mean', 'ID': 'count'})
           .rename(columns={'ID':'COUNT','TIME':'MEAN_TIME'})
           .reset_index()
print (result)
   ID  COUNT  MEAN_TIME
0   1      3   2.666667
1   2      1   3.000000

如果需要多列聚合，解决方案：

result = df.groupby(['ID']).agg({'TIME':{'MEAN_TIME': 'mean'}, 'ID': {'COUNT': 'count'}})
result.columns = result.columns.droplevel(0)
print (result.reset_index())
   ID  COUNT  MEAN_TIME
0   1      3   2.666667
1   2      1   3.000000

我将我的
groupby
限制在
TIME
列

df.groupby(['ID']).TIME.agg({'MEAN_TIME': 'mean', 'COUNT': 'count'}).reset_index()

   ID  MEAN_TIME  COUNT
0   1   2.666667      3
1   2   3.000000      1

你能解释一下
drop=True
的作用吗？@Diologius没有尝试将现有索引合并回数据帧，而是直接将其删除。因此，
new
将包含
ID
，而
ID
将被计数，对吗？（在第二种解决方案中）如果只需要组的大小，而不需要计算
ID
列中的
NaN
值，我认为这种方法更好。请参见@jezrael:是的，我在
ID
列中没有NaN值。只是好奇：这个解决方案只允许按
时间进行平均？如果我有更多的列需要平均，那么这将需要改变，对吗？@Digoraius是的！您需要将字典中的详细信息传递给
agg
，以说明应用于哪些列的函数以及如何命名结果列。最好要求一个具体的结果，我们可以帮助产生这个结果。现在发生在我身上，下面的答案不起作用。但奇怪的是，将我的熊猫从
1.0.5
升级到
1.1.1
成功了！要升级，只需执行
pip-upgrade==1.1.1
df.groupby(['ID']).TIME.agg({'MEAN_TIME': 'mean', 'COUNT': 'count'}).reset_index()

   ID  MEAN_TIME  COUNT
0   1   2.666667      3
1   2   3.000000      1