如何按列索引而非列名使用Pandas的groupby方法？

问题 #

我有一段用来创建带重复项计数的groupby对象的代码：

gbo = data2.groupby("1").count()
display(gbo)

这段代码在列名为数字索引时能正常运行，但列名为非数字（比如Col1、Col2）时就失效了。我想通过列索引编号来调用列，实现groupby统计，需要简洁的正确语法。

举个例子，我现在有如下数据和代码：

import numpy as np
import pandas as pd
from IPython.display import display

mydat = [{"a":"gnome", "b": "home", "c": "trail", "d" : np.nan},
        {"a": "goblin", "b": "fort", "c": "tower", "d" : "open"}, 
        {"a": "tree", "b": "forest", "c": np.nan, "d" : np.nan},
        {"a": "tree", "b": "grove", "c": np.nan, "d" : np.nan},
        {"a": "gnome", "b": "hill", "c": "shade", "d" : "sleep"}]

mydf = pd.DataFrame(mydat)
# 数据结构如下：
#     a      b       c       d
# 0  gnome  home    trail    NaN
# 1  goblin fort    tower   open
# 2  tree   forest   NaN     NaN
# 3  tree   grove    NaN     NaN
# 4  gnome  hill    shade   sleep

www = mydf.groupby("a").count()
display(www)

运行后得到的结果：

b  c  d
a              
gnome   2  2  1
goblin  1  1  1
tree    2  0  0

现在我是通过列标签"a"实现的分组统计，想改成用**列索引（比如列a对应索引0）**来实现，能不能一行代码搞定？还是必须先重命名列？

解决方案 #

完全可以一行代码实现，不需要重命名列。有两种简洁的写法：

方法1：通过df.columns[index]获取列名传入groupby #

直接用列索引定位到对应列名，再传给groupby，兼容所有列名场景：

www = mydf.groupby(mydf.columns[0]).count()
display(www)

这里mydf.columns[0]会返回列索引0对应的列名（也就是"a"），和直接写groupby("a")效果完全一致，不管列名是数字还是非数字都能正常运行。

方法2：用get_level_values（适配多层列索引场景） #

如果你的DataFrame是多层列索引结构，可以用这个方法：

www = mydf.groupby(mydf.columns.get_level_values(0)).count()

不过对于单层列索引的情况，方法1更简洁直接。

注意：不要直接写groupby(0)，这会被pandas当成是按值为0的行分组，而非按第0列分组——这也是你之前用groupby("1")能生效（列名是字符串"1"），但非数字列名时失效的核心原因，本质是混淆了列索引和列名的概念。

内容的提问来源于stack exchange，提问作者tooDeeStoned