如何为Pandas分组后的统计列添加列名？

我用groupby分组后得到的time_counts结果里，统计列没有名称，想把它命名为count，实现如下期望输出：

time                   count
2022-12-15 08:00:18    1
2022-12-15 08:07:17    1
2022-12-15 08:12:09    1
2022-12-15 08:12:19    1
2022-12-15 08:13:04    1

当前代码：

import pandas as pd

def read_data():
    df = pd.read_csv("test.csv", usecols=['time', 'unix_time', 'name'])
    df['time'] = pd.to_datetime(df['time'])
    df['unix_time'] = (df['unix_time']).astype(int)

    time_counts = df.groupby(df['time'].dt.floor('S'))['time'].count()
    print(time_counts)

if __name__ == "__main__":
    read_data()

几种可行的解决方式： #

方式一：用rename()直接重命名统计列

在count()之后调用rename方法，直接给统计列指定名称：

import pandas as pd

def read_data():
    df = pd.read_csv("test.csv", usecols=['time', 'unix_time', 'name'])
    df['time'] = pd.to_datetime(df['time'])
    df['unix_time'] = (df['unix_time']).astype(int)

    time_counts = df.groupby(df['time'].dt.floor('S'))['time'].count().rename('count')
    print(time_counts)

if __name__ == "__main__":
    read_data()

方式二：用agg()方法指定聚合列名

这种方式更灵活，适合需要同时做多种聚合操作的场景，直接在agg里定义列名和对应的聚合函数：

import pandas as pd

def read_data():
    df = pd.read_csv("test.csv", usecols=['time', 'unix_time', 'name'])
    df['time'] = pd.to_datetime(df['time'])
    df['unix_time'] = (df['unix_time']).astype(int)

    time_counts = df.groupby(df['time'].dt.floor('S')).agg(count=('time', 'count'))
    print(time_counts)

方式三：重置索引并重命名（将分组列转为普通列）

如果希望time不是索引而是普通数据列，可以用reset_index()配合name参数：

import pandas as pd

def read_data():
    df = pd.read_csv("test.csv", usecols=['time', 'unix_time', 'name'])
    df['time'] = pd.to_datetime(df['time'])
    df['unix_time'] = (df['unix_time']).astype(int)

    time_counts = df.groupby(df['time'].dt.floor('S'))['time'].count().reset_index(name='count')
    print(time_counts)

以上三种方式都能得到你想要的输出格式。

内容的提问来源于stack exchange，提问作者ditrauth