如何在Pandas链式groupby-agg中基于当前索引分组（排除指定列）

方法1：使用pipe动态生成分组级别列表 #

通过pipe将当前Series/DataFrame传入lambda函数，自动生成排除指定级别的索引名称列表，无需手动重复编写分组键：

import random
import pandas as pd

data = pd.DataFrame({
    "name" : random.choices(["N1", "N2", "N3"], k=100),
    "part" : random.choices(["P1", "P2", "P3"], k=100),
    "sub" : random.choices(["S1", "S2", "S3"], k=100),
    "val" : range(100),
})

result = (
    data
    .groupby(["name", "part", "sub"])["val"].mean()
    # 排除sub级别，按剩余索引分组
    .pipe(lambda s: s.groupby([name for name in s.index.names if name != "sub"]))
    .agg(["mean", "std"])
    # 排除part级别，按剩余索引分组
    .pipe(lambda s: s.groupby([name for name in s.index.names if name != "part"]))
    .mean()
)

方法2：自定义辅助函数，简化链式调用 #

如果需要多次使用排除指定级别的分组逻辑，可以封装成辅助函数，让代码更贴近你想要的current_index_but('sub')风格：

def groupby_exclude(obj, exclude_level):
    """按当前多级索引排除指定级别后分组"""
    keep_levels = [name for name in obj.index.names if name != exclude_level]
    return obj.groupby(keep_levels)

result = (
    data
    .groupby(["name", "part", "sub"])["val"].mean()
    .pipe(groupby_exclude, "sub")
    .agg(["mean", "std"])
    .pipe(groupby_exclude, "part")
    .mean()
)

方法3：结合reset_index与当前索引分组 #

利用reset_index移除指定索引级别（保留其余索引），直接按剩余索引分组，无需手动指定分组键：

result = (
    data
    .groupby(["name", "part", "sub"])["val"].mean()
    # 移除sub索引级别，剩余索引为name、part
    .reset_index("sub", drop=True)
    .groupby(level=list(range(len(_.index.names))))
    .agg(["mean", "std"])
    # 移除part索引级别，剩余索引为name
    .reset_index("part", drop=True)
    .groupby(level=0)
    .mean()
)

关键说明 #

• Pandas的groupby传入索引名称列表时，会直接按这些索引级别分组，这是实现动态分组的核心逻辑。
• 不要在groupby中直接使用作用于单个索引元素的lambda函数，这类函数是对每个索引标签做转换，而非选择索引级别。
• 若在IPython/Jupyter环境中，可直接用_指代当前链式中的对象，简化写法：.groupby([name for name in _.index.names if name != "sub"])，但此写法不适用于普通脚本。

内容的提问来源于stack exchange，提问作者Alix TC