多层索引DataFrame按A、B索引分组求和的实现方法

嘿，这个问题我刚上手多级索引的时候也踩过类似的坑！其实pandas完全支持同时按多个索引层级分组，不用费劲把索引转成普通列，给你几个直接能用的方案：

方法一：按索引名称指定分组层级 #

如果你的多级索引层级名称就是'A'、'B'、'C'，直接把要分组的层级名称放进列表传给groupby的level参数就行，精准又直观：

# 按A和B层级分组，对Quantity列求和
sum_result = df.groupby(level=['A', 'B'])['Quantity'].sum()

执行后，结果会以'A'和'B'作为多级索引，对应的值就是每个组合下Quantity的总和，完全符合你的需求。

方法二：按索引位置指定分组层级 #

要是你记不清层级名称，也可以用层级的位置序号（从0开始计数）来指定，比如'A'是第0层，'B'是第1层：

# 按第0、1层（对应A、B）分组求和
sum_result = df.groupby(level=[0, 1])['Quantity'].sum()

这个方法和上面的效果完全一致，选哪种全看你自己的使用习惯。

可选方案：转索引为列后分组（适合新手过渡） #

如果你更习惯用普通列来分组操作，也可以先把多级索引转成列，再按常规方式分组：

# 把所有索引层级转为普通列
df_with_cols = df.reset_index()
# 按A和B列分组求和
sum_result = df_with_cols.groupby(['A', 'B'])['Quantity'].sum()

这个方法多了一步重置索引，但对于刚接触多级索引的同学来说，逻辑会更熟悉。

最后可以打印sum_result看看结构，确认结果是不是你想要的～

内容的提问来源于stack exchange，提问作者DisneylandSC