使用GroupBy后调用unstack()报AttributeError问题求助

错误原因 #

你遇到的错误是因为ort变量实际是SeriesGroupBy对象，而非聚合后的结果。只有对GroupBy对象执行聚合操作（比如mean()）后，得到的带多级索引的Series/DataFrame才支持unstack()方法。

检查你的代码，大概率是实际运行时遗漏了.mean()调用——如果只写df["data1"].groupby([df["key1"], df["key2"]])，得到的就是GroupBy对象，自然没有unstack属性。

正确实现方式 #

方法1：确保执行聚合后再unstack #

你的代码写法本身是正确的，只要确保完整执行聚合步骤：

import pandas as pd
import numpy as np

# 初始化DataFrame
df = pd.DataFrame({"key1": list("aabbab"),
                   "key2": list(["one", "two", "three"]*2),
                   "data1": np.random.randn(6),
                   "data2": np.random.randn(6)})

# 分组聚合后得到带多级索引的Series，再执行unstack
ort = df["data1"].groupby([df["key1"], df["key2"]]).mean()
result = ort.unstack()
print(result)

方法2：直接用pivot_table实现透视需求 #

如果你的核心需求是按key1和key2分组求data1的均值并透视，也可以直接用pivot_table一步完成，代码更简洁：

result = df.pivot_table(values="data1", index="key1", columns="key2", aggfunc="mean")
print(result)

方法3：先unstack再聚合（等价写法） #

也可以先对GroupBy对象执行unstack，再调用聚合函数，效果和方法1一致：

result = df["data1"].groupby([df["key1"], df["key2"]]).unstack().mean()

验证说明 #

执行聚合操作后，ort会变成一个带有两级索引（key1, key2）的Series，此时调用unstack()会将第二级索引（key2）转为列，实现透视效果。

内容的提问来源于stack exchange，提问作者eesc