如何将旧版Pandas索引代码适配至Pandas 2.0.2？

Pandas 2.0及以上版本移除了count()方法的level参数，原代码的核心需求是按用户统计评论数并计算平均值、按影片统计评论数，可以用groupby直接分组计数来替代，逻辑更清晰且符合当前版本规范：

替代代码实现 #

# 计算用户平均评论数：按user_id分组，统计每个用户的评论数（每条记录对应一条评论）
IndUsers = MovieLens.groupby("user_id")["title"].count()
print("Average movie reviews per user: ", IndUsers.mean())

# 统计各影片的评论数：按title分组，统计每条影片的评论数
IndMovies = MovieLens.groupby("title")["movie_id"].count()
# 或者用更高效的size()（当无缺失值时结果一致）：IndMovies = MovieLens.groupby("title").size()
print("\nNumber of Reviews Per Movie\n")
print(IndMovies)

逻辑说明 #

原代码中set_index([col1, col2]).count(level=target_col)的本质，就是按target_col分组后统计非缺失值的数量。直接使用groupby(target_col)[某列].count()完全等价，且不需要额外设置多级索引，代码更简洁高效。

如果需要保留多级索引的场景（原代码的第一行示例），也可以用groupby(level="rating")["user_id"].count()，前提是已经设置了多级索引，但对于你的需求来说，直接按列分组更直观。

内容的提问来源于stack exchange，提问作者Hawerchuk