带二级列多层索引的Pandas DataFrame重采样聚合报错求助

我有一个Pandas DataFrame，行索引是一级DatetimeIndex，列是二级MultiIndex。尝试按5分钟频率对时间索引重采样，同时为不同二级列指定不同聚合函数，写了如下代码：

df.groupby([Grouper(freq="5Min"),
            df.columns.unique(level=1)]).agg({"sub_col_0_name": "min",
                                              "sub_col_1_name": "max",
                                              "sub_col_2_name": "mean",
                                              "sub_col_3_name": "std"})

运行时触发错误：

ValueError: Grouper and axis must be same length

请问如何正确实现需求？

解决方案 #

错误原因 #

你代码里的错误是：将列的二级索引唯一值列表df.columns.unique(level=1)加入了groupby分组器，但这个列表的长度（等于二级列的数量）和DataFrame的行数不匹配。groupby默认按行方向分组，分组器的长度必须和行数一致，因此触发长度不匹配的报错。

正确实现方式 #

以下两种方法都可以实现需求，推荐使用第一种更直观的resample方式：

方法1：使用resample + 聚合字典

直接对DatetimeIndex执行重采样，通过字典指定二级列对应的聚合函数：

import pandas as pd
import numpy as np

# 构造示例数据（可替换为你的实际数据）
dates = pd.date_range('2024-01-01', periods=10, freq='1Min')
cols = pd.MultiIndex.from_product(
    [['main_col'], ['sub_col_0_name', 'sub_col_1_name', 'sub_col_2_name', 'sub_col_3_name']],
    names=['level0', 'level1']
)
df = pd.DataFrame(np.random.randn(10,4), index=dates, columns=cols)

# 定义聚合规则：键为二级列名，值为聚合函数
agg_rules = {
    'sub_col_0_name': 'min',
    'sub_col_1_name': 'max',
    'sub_col_2_name': 'mean',
    'sub_col_3_name': 'std'
}

# 执行重采样和聚合
resampled_df = df.resample('5Min').agg(agg_rules)

执行后会保留原有的多层列索引，且每个二级列按指定函数完成5分钟聚合。

方法2：使用groupby + Grouper

如果必须用groupby，只需保留时间分组器，移除列索引相关的分组项，直接通过聚合字典指定列规则：

from pandas import Grouper

resampled_df = df.groupby(Grouper(freq='5Min')).agg(agg_rules)

这种方式和resample效果一致，本质上resample是groupby针对时间索引的语法糖。

内容的提问来源于stack exchange，提问作者ilpomo