如何通过Python DataFrame的groupby生成指定结构的目标数据？

你之前的groupby仅按id和type分组，遗漏了code字段，因此无法保留不同code维度的聚合结果，导致输出不符合预期。要得到目标结构，需要按id、type、code三个维度分组求和，再调整索引和列名：

分步实现代码 #

# 按id、type、code分组，对sum字段求和
df_new = df.groupby(['id', 'type', 'code'])['sum'].sum().reset_index()

# 设置多层索引并修改索引名称
df_new = df_new.set_index(['id', 'type']).rename_axis(index={'id': 'code', 'type': 'id'})

# 修改列名匹配目标结构
df_new = df_new.rename(columns={'code': 'type'})

链式简洁写法 #

df_new = (df.groupby(['id', 'type', 'code'])['sum'].sum()
          .reset_index()
          .set_index(['id', 'type'])
          .rename_axis(index={'id': 'code', 'type': 'id'})
          .rename(columns={'code': 'type'}))

最终输出 #

运行后得到的结果与你期望的结构完全一致：

type  sum
code id            
AAA  1    abc    5
     1    reg    5
     1    ses    5
BBB  1    ses    3
     2    abc    3
     2    reg    2

内容的提问来源于stack exchange，提问作者jessu