如何对行列均为MultiIndex的DataFrame按指定列分组聚合？

问题分析 #

你的DataFrame行、列均为MultiIndex，之前尝试的分组方法无效，是因为groupby默认操作行索引，且未明确指定列的MultiIndex完整路径。要实现按coords层级下的x、y分组，需要精准定位列的层级位置。

解决方案步骤 #

1. 过滤有效数据行：排除meta行（该行含字符串值，无求和意义），仅保留values组的数据。
2. 指定分组键：用列的MultiIndex元组("coords", "x")和("coords", "y")作为分组依据。
3. 分组求和并整理结构：求和后重置索引，删除无用的z列，调整列层级匹配目标格式。

完整代码 #

import pandas as pd

# 构造原始DataFrame（你的代码）
cols = pd.MultiIndex.from_arrays([*["coords"]*3, *["type"]*3],[ "x", "y", "z", "a", "b", "c"])
idx = pd.MultiIndex.from_arrays([*["values"]*6, "meta"], [*range(6), "foo"])
df = pd.DataFrame([[1,1,1,6,7,3], [1,1,0,1,5,9], [2,1,0,1,8,3], [2,1,0,5,7,2], [3,1,0,6,5,9], [3,1,0,7,4,5], [None, None, None, "bar", "baz", "qux"]], index=idx, columns=cols)

# 1. 过滤values行
df_values = df.loc["values"]

# 2. 按coords下的x、y分组求和
grouped_result = df_values.groupby([("coords", "x"), ("coords", "y")]).sum()

# 3. 重置索引并调整列结构
result = grouped_result.reset_index().drop(("coords", "z"), axis=1)
# 重新设置列的MultiIndex层级
result.columns = pd.MultiIndex.from_tuples([
    ("coords", "x"), ("coords", "y"), ("type", "a"), ("type", "b"), ("type", "c")
])

print(result)

输出结果 #

coords        type          
         x    y      a    b    c
0      1.0  1.0      7   12   12
1      2.0  1.0      6   15    5
2      3.0  1.0     13    9   14

内容的提问来源于stack exchange，提问作者YPOC