Pandas中设置.to_string(index=False)仍显示索引的问题

问题场景 #

用户有包含日期、姓名、水果、价格的表格，希望按年份分组展示数据，但编写的代码即使尝试使用to_string(index=False)，输出仍保留索引。原代码如下：

import pandas as pd
data=pd.read_excel("Book6.xlsx",sheet_name="Sheet6")

df_new = data[['Date1','Name', 'Fruit','Price']]
df_new['Date1'] = pd.to_datetime(df_new['Date1'], dayfirst=True, errors='coerce')
result = df_new.reset_index().groupby([df_new['Date1'].dt.year,df_new['Name'],df_new['Fruit'],df_new['Price']]).agg('sum')
print(result)#.to_string(index=False))

问题原因 #

原代码存在两处关键问题：

• 错误将Price纳入分组键，导致价格无法被聚合，反而成为多层索引的一部分；
• 误用reset_index()将原数据索引加入聚合列，且分组结果以分组键作为多层索引，此时to_string(index=False)只能隐藏默认行索引，无法处理作为分组键的层级索引。

修正方案 #

方案1：分组后将索引转为列，再无索引输出

按年份、姓名、水果分组，对价格做聚合（以求和为例），再用reset_index()将分组索引转为普通列，最后输出时隐藏默认索引：

import pandas as pd
data = pd.read_excel("Book6.xlsx", sheet_name="Sheet6")

df_new = data[['Date1', 'Name', 'Fruit', 'Price']]
df_new['Date1'] = pd.to_datetime(df_new['Date1'], dayfirst=True, errors='coerce')
# 按年份、姓名、水果分组，对价格求和
result = df_new.groupby([df_new['Date1'].dt.year, 'Name', 'Fruit'])['Price'].sum().reset_index()
# 可选：修改年份列名让表头更清晰
result.rename(columns={'Date1': 'Year'}, inplace=True)
# 无索引输出
print(result.to_string(index=False))

方案2：分组时直接不保留索引（Pandas 1.1.0+支持）

使用groupby的as_index=False参数，让分组键直接以列的形式呈现，无需后续转索引操作：

import pandas as pd
data = pd.read_excel("Book6.xlsx", sheet_name="Sheet6")

df_new = data[['Date1', 'Name', 'Fruit', 'Price']]
df_new['Date1'] = pd.to_datetime(df_new['Date1'], dayfirst=True, errors='coerce')
# 用as_index=False让分组键作为列，而非索引
result = df_new.groupby([df_new['Date1'].dt.year, 'Name', 'Fruit'], as_index=False)['Price'].sum()
result.rename(columns={'Date1': 'Year'}, inplace=True)
print(result.to_string(index=False))

效果说明 #

修正后输出会以普通表格形式展示年份、姓名、水果、总价，无任何索引列，完全符合需求。

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