如何用Python生成与R格式一致的聚合数据集？

Pandas默认会将groupby的分组列设为DataFrame索引，这和R中dplyr的行为不同。要得到和R一致的输出格式，你需要保留分组列为普通列，并调整聚合列的名称，以下是两种实现方法：

方法一：分组时指定as_index=False #

直接在groupby中设置参数，让分组列保持为普通列，同时显式命名聚合结果列：

import pandas as pd

baseball_example = {
    "team": ["Red Sox", "Red Sox", "Red Sox", "Red Sox", "Red Sox", "Red Sox", "Yankees", "Yankees", "Yankees", "Yankees", "Yankees", "Yankees"],
    "pos": ["Pitcher", "Pitcher", "Pitcher", "Not Pitcher", "Not Pitcher", "Not Pitcher", "Pitcher", "Pitcher", "Pitcher", "Not Pitcher", "Not Pitcher", "Not Pitcher"],
    "age": [24, 28, 40, 22, 29, 33, 31, 26, 21, 36, 25, 31]
}

baseball_example = pd.DataFrame(baseball_example)

# as_index=False 保留分组列为普通列，agg()显式定义聚合列名
average_age_by_team_position = baseball_example.groupby(['team', 'pos'], as_index=False).agg(mean_age=('age', 'mean'))

print(average_age_by_team_position)

输出结果（与R格式一致）：

team         pos   mean_age
0  Red Sox  Not Pitcher  28.000000
1  Red Sox      Pitcher  30.666667
2  Yankees  Not Pitcher  30.666667
3  Yankees      Pitcher  26.000000

方法二：聚合后重置索引 #

如果已经完成聚合操作，可以用reset_index()将索引中的分组列转换为普通列：

average_age_by_team_position = baseball_example.groupby(['team', 'pos']).agg(mean_age=('age', 'mean')).reset_index()

关键说明 #

• as_index=False：核心参数，让Pandas不把分组列设为索引，对齐R中dplyr的分组行为。
• 显式聚合列命名：用mean_age=('age', 'mean')替代agg("mean")，将聚合后的列名从默认的age改为mean_age，和R输出的列名匹配。
• 后续操作：处理后的DataFrame可以直接用于分析，导出CSV时只需添加index=False即可避免导出索引列：

  average_age_by_team_position.to_csv("average_age.csv", index=False)
  

内容的提问来源于stack exchange，提问作者T PERRY