pandas中如何将GroupBy对象转换为多层索引DataFrame

实现方法 #

groupby.cumcount()不会触发聚合操作，返回值是与原DataFrame索引对齐、等长的序列，可直接赋值为原表新列，无需将GroupBy对象转换为DataFrame。

代码示例

# 假设原始数据存储在变量df中
# 新增组内计数列n：同一placa_encoded分组内按原始行顺序从0开始编号
df['n'] = df.groupby('placa_encoded').cumcount()

# 设置多层索引，筛选调整列顺序得到目标结构
df_target = df.set_index(['placa_encoded', 'n'])[['time_seconds', 'velocidade', 'codcet']]

逻辑说明

• 计数规则与需求完全匹配：分组内序号从0开始，和样例目标的n列取值一致
• 所有原始行数据完整保留，不会出现聚合类方法（如count()、agg()）压缩行数的问题
• 若需保留date字段，只需在列选择列表中添加'date'即可。
  运行后得到的df_target结构与你给出的目标表完全一致。

内容的提问来源于stack exchange，提问作者Tanishq Kumar