Python 使用groupby和aggregate后使用多索引访问列

我正在使用

df.groupby（）

方法：

g1 = df[['md', 'agd', 'hgd']].groupby(['md']).agg(['mean', 'count', 'std'])

它生产的正是我想要的

         agd                       hgd                
        mean count       std      mean count       std
md                                                    
-4  1.398350     2  0.456494 -0.418442     2  0.774611
-3 -0.281814    10  1.314223 -0.317675    10  1.161368
-2 -0.341940    38  0.882749  0.136395    38  1.240308
-1 -0.137268   125  1.162081 -0.103710   125  1.208362
 0 -0.018731   603  1.108109 -0.059108   603  1.252989
 1 -0.034113   178  1.128363 -0.042781   178  1.197477
 2  0.118068    43  1.107974  0.383795    43  1.225388
 3  0.452802    18  0.805491 -0.335087    18  1.120520
 4  0.304824     1       NaN -1.052011     1       NaN

但是，我现在希望像“普通”数据帧一样访问groupby对象列

届时，我将能够： 1） 计算

agd

和

hgd

平均值上的误差 2） 在

md

（x轴）与

agd平均值

（

hgd平均值

）上绘制散点图，并添加适当的误差条

这可能吗？也许通过使用索引？

1）您可以重命名列并按正常方式继续（将摆脱多重索引）

2） 您可以保留多索引，并依次使用这两个级别（）

---

可以执行您正在搜索的操作，它被称为

transform

。您将在pandas文档中找到一个完全符合您搜索内容的示例。

这很有帮助！谢谢但是我如何在x轴上绘制md呢？它不允许我重命名-4-+4 md值：/…如果重命名列，md是您的索引，您可以通过

g1.index.values

访问其值。更好的是，您可以使用g1.plot（…），默认情况下，它将使用索引作为x值（取决于您正在绘制的绘图类型）。您可以通过g1.index=（列表或数组或其他方式）更改索引值。完美！非常感谢您抽出时间来帮助我：）嗯。。。g1.图（x=g1.index.values，y=g1.hgd_mean，kind=“scatter”）在重命名后不起作用…与想法相关：

g1.columns = ['agd_mean', 'agd_std','hgd_mean','hgd_std']

g1['agd']['mean count']