使用pandas groupby和aggregate后使用MultiIndex訪問列

Question

我正在使用df.groupby()方法：

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

它產生的正是我想要的！

         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，我現在想像“普通”數據框一樣訪問 groupby 對象列。

然后我將能夠：1）計算agd和hgd均值上的誤差 2）在md （x 軸）與agd mean （ hgd mean ）上繪制散點圖，並添加適當的誤差條。

這可能嗎？ 也許通過玩索引？

Answer 1

1）您可以重命名列並照常進行（將擺脫多索引）

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

2）您可以保持多索引並依次使用兩個級別（ 文檔）

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

Answer 2

可以執行您正在搜索的操作，這稱為transform 。 您將在此處的 Pandas 文檔中找到一個完全符合您搜索要求的示例。