Pandas：基于多条件聚合客户交易数据的解决方案咨询

方案1：使用agg直接多聚合（推荐，改动最小） #

你只需要把groupby的参数改成要分组的多字段列表，再用agg方法同时执行求和、计数两个聚合操作即可，写法和你现有代码的逻辑完全兼容：

Combined = data.groupby(["ID", "Year", "Month"])["Amount"].agg(
    Sum="sum",
    Count="count"
).reset_index()

运行后输出的结果会包含ID、Year、Month、Sum（对应分组交易总金额）、Count（对应分组交易笔数）5个字段。

方案2：命名聚合写法（可读性更强） #

如果后续你需要对不同字段做不同的聚合规则，推荐用pandas 0.25+支持的命名聚合语法，逻辑更清晰：

Combined = data.groupby(["ID", "Year", "Month"]).agg(
    Sum=("Amount", "sum"),
    Count=("Amount", "count")
).reset_index()

方案3：旧版本pandas兼容写法 #

如果你用的pandas版本低于0.25不支持命名聚合，可以先聚合再手动重命名列：

Combined = data.groupby(["ID", "Year", "Month"])["Amount"].agg(["sum", "count"]).reset_index()
# 手动重命名列
Combined.columns = ["ID", "Year", "Month", "Sum", "Count"]

如果需要调整分组的排序规则，只要调整groupby参数里的字段顺序即可，比如要按「年份→月份→客户ID」的层级分组，就把参数改成["Year", "Month", "ID"]。

内容的提问来源于stack exchange，提问作者Iva