Pandas中groupby和unstack后如何获取可命名引用的统计列？

当使用pd.Grouper(freq="W")按周分组并执行unstack后，统计列只能通过iloc访问，无法直接用列名引用，需要将结果转换为包含date和counts列的标准DataFrame。

问题原因 #

原代码中用dummy列（值为整数1）进行分组，unstack后的列名是整数类型的1，而非字符串'1'，所以用result['1']会报错，但result[1]可以访问。不过这种方式冗余，更优的是调整分组逻辑直接生成目标结构。

方案1：修复现有结果的结构 #

如果要保留原分组逻辑，可通过重命名列来标准化结构：

# 重置索引并将整数列名重命名为counts
result_fixed = result.reset_index().rename(columns={1: 'counts'})
# 现在可直接通过列名访问
print(result_fixed['date'])
print(result_fixed['counts'])

方案2：更简洁的分组实现（推荐） #

无需借助dummy列，直接按date列按周分组统计数量，一步生成标准DataFrame：

import pandas as pd
from datetime import datetime
from faker import Faker

fake = Faker()
start_date = datetime(2023, 1, 1)
end_date = datetime(2023, 2, 1)

# 生成数据集
df = pd.DataFrame(
    {"date": [fake.date_time_between(start_date=start_date, end_date=end_date) for i in range(30)]}
)

# 确保date列为datetime类型（若原始数据不是的话）
df['date'] = pd.to_datetime(df['date'])

# 按周分组统计数量，直接生成date和counts列的DataFrame
result_clean = df.groupby(pd.Grouper(key='date', freq='W')).size().reset_index(name='counts')

• pd.Grouper(key='date', freq='W')：指定按date列以周为频率分组
• size()：统计每组的行数（即事件数量）
• reset_index(name='counts')：将索引转为列，并把统计列命名为counts

生成的result_clean可以直接通过result_clean['counts']或result_clean['date']访问列，完全符合后续数据处理的需求。

内容的提问来源于stack exchange，提问作者gswart