如何将pandas透视/分组结果转为DataFrame而非Series？

针对你遇到的问题，我整理了几个直接有效的解决办法，不管是处理groupby结果还是做透视表都适用：

一、解决你的groupby场景：从Series转DataFrame #

你当前的代码data = df.groupby(['Mes','Clientes'])['Quantidade'].sum()返回Series，是因为你选中了单一列（单括号['Quantidade']），聚合后会得到带多级索引的Series。有两种快速修正方式：

方法1：用reset_index()将索引转为列 #

这是最常用的方式，直接把Series的多级索引（Mes和Clientes）转换成普通列，自动得到DataFrame：

data = df.groupby(['Mes','Clientes'])['Quantidade'].sum().reset_index()

方法2：选中列时用双括号，确保操作对象是DataFrame #

把要聚合的列放在双括号里，这样groupby操作的是DataFrame的子集，聚合结果自然也是DataFrame：

data = df.groupby(['Mes','Clientes'])[['Quantidade']].sum()

二、透视表得到DataFrame的方法 #

如果需要做透视操作，推荐直接用pivot_table，它默认返回的就是DataFrame，还能灵活设置聚合函数、行/列索引：

import pandas as pd
# 按Mes和Clientes分组，汇总Quantidade，返回DataFrame
data_pivot = pd.pivot_table(df, values='Quantidade', index=['Mes', 'Clientes'], aggfunc='sum')

如果用pivot方法，只要确保参数设置正确（比如指定values、index等），也会返回DataFrame，不过pivot_table处理重复分组的情况更稳定。

内容的提问来源于stack exchange，提问作者Lucas Almeida