基于聚合函数结果过滤DataFrame报错：UndefinedVariableError求助

问题场景 #

现有如下DataFrame：

date    id      value
0   2002-01-07  PA12165 119.63
1   2002-03-13  PA12165 119.48
2   2002-05-13  PA12165 114.50
3   2002-06-12  PA12165 120.27
4   2002-06-12  PA12165 120.27
...

尝试通过GroupBy聚合后用query过滤聚合结果，代码如下：

my_aggs = {'id': 'count',
           'value': [min, max, 'mean']
          }
df.groupby(['id', 'date']).agg(my_aggs).query('count > 1')

运行后报错：UndefinedVariableError: name 'count' is not defined。

问题原因 #

使用字典指定多字段聚合时，pandas会生成多级列（MultiIndex）：第一级是原DataFrame的列名（id、value），第二级是聚合函数名（count、min、max、mean）。直接写count无法定位到具体列，必须明确指定它所属的上层列。

解决方案 #

方案1：直接在Query中引用多级列 #

通过上层列名["聚合函数名"]的格式在query中指定列：

my_aggs = {'id': 'count',
           'value': [min, max, 'mean']
          }
agg_df = df.groupby(['id', 'date']).agg(my_aggs)
filtered_df = agg_df.query('id["count"] > 1')

方案2：重命名多级列为单级列 #

将聚合后的多级列合并为单级列，简化后续过滤操作：

my_aggs = {'id': 'count',
           'value': [min, max, 'mean']
          }
agg_df = df.groupby(['id', 'date']).agg(my_aggs)
# 用下划线连接多级列名，生成单级列
agg_df.columns = ['_'.join(col) for col in agg_df.columns]
# 直接用合并后的列名过滤
filtered_df = agg_df.query('id_count > 1')

方案3：聚合时直接指定列别名 #

在聚合字典中为每个聚合结果指定别名，避免生成多级列：

my_aggs = {
    'id': ('id_count', 'count'),
    'value': [('value_min', min), ('value_max', max), ('value_mean', 'mean')]
}
agg_df = df.groupby(['id', 'date']).agg(my_aggs)
# 直接用指定的别名过滤
filtered_df = agg_df.query('id_count > 1')

内容的提问来源于stack exchange，提问作者Luis