Pandas：基于多层列分组聚合生成含Freq新序列的方法问询

直接针对你的多层列DataFrame，或者从原始数据一步到位，都可以实现需求：

方法一：基于已生成的pivot_table结果处理 #

假设你已生成的多层列DataFrame名为pivot_df：

1. 按Band和Channel分组求和slot功率
   利用列的多层索引，指定按前两层（Band、Channel）分组，对每个TimeStamp下的对应值求和：

   sum_df = pivot_df.groupby(level=[0, 1], axis=1).sum()
   

   这里level=[0,1]对应列多层索引的Band（第0层）和Channel（第1层），axis=1表示按列维度分组聚合。

2. 计算Freq并替换列名
   遍历列的(Band, Channel)元组，计算对应的freq值，替换为新列名：

   sum_df.columns = [1200 + (band - 1) + channel / 12 for band, channel in sum_df.columns]
   

方法二：从原始DataFrame直接生成结果（更高效） #

跳过中间的pivot_table步骤，直接对原始数据分组求和再转换格式：

# 假设原始DataFrame名为raw_df
result = raw_df.groupby(['TimeStamp', 'Band', 'Channel'])['watts'].sum().unstack()
# 替换列名为计算后的Freq
result.columns = result.columns.map(lambda x: 1200 + (x[0]-1) + x[1]/12)

为什么之前单层级groupby失败？ #

因为你的列是多层索引结构，单层级分组仅针对Band或Channel其中一层，没有同时将两者作为分组依据，自然无法得到同一Band+Channel下的slot总和。必须指定同时按Band和Channel两层列索引分组，才能得到正确结果。

内容的提问来源于stack exchange，提问作者earnric