pandas多级列DataFrame用groupby条件计数报TypeError如何解决？

你遇到的报错是多个问题叠加导致的，核心原因如下：

• 直接触发报错的问题：groupby参数使用错误。你将分组列的元组套入了列表[('grp1','cat')]，pandas默认会将列表内的元素识别为行MultiIndex的多个级别进行分组，但你的行索引是普通单级索引，不符合要求，因此抛出TypeError: other must be a MultiIndex or a list of tuples。
• 列名拼写错误：你要调用的列名是('exp0', 'rnd0')，代码中误写为('exp0', 'rdn0')，r和d顺序颠倒，会导致后续取列失败。
• 分组统计逻辑错误：你在apply内直接调用df[('exp0', 'rdn0')]，取的是全表的对应列，不是groupby拆分后的每个分组的子集，统计结果是全表总和而非分组统计结果，不符合需求。
• 新列赋值语法错误：新增多级列时，需将两级名称包裹为元组传入方括号，你写的df['exp0_cnt','rdn0']会被pandas识别为两个独立的一级列，而非二级MultiIndex列，需改为df[('exp0_cnt', 'rnd0')]。

根据你的需求，分两种场景给出正确代码：

场景1：统计结果回填到原表每一行（给原df加计数列） #

df[('exp0_cnt', 'rnd0')] = df.groupby(('grp1', 'cat'))[('exp0', 'rnd0')].transform(lambda x: (x > 50).sum())

运行后原df会新增二级列('exp0_cnt', 'rnd0')，A组对应的行值为2，B组对应的行值为1，符合统计结果。

场景2：仅获取分组聚合的统计结果（每个分组对应一行结果） #

# 写法1：用agg
group_cnt = df.groupby(('grp1', 'cat'))[('exp0', 'rnd0')].agg(lambda x: (x > 50).sum())
# 写法2：用apply
group_cnt = df.groupby(('grp1', 'cat'))[('exp0', 'rnd0')].apply(lambda x: (x > 50).sum())

两种写法输出结果一致，A组计数为2，B组计数为1。

内容的提问来源于stack exchange，提问作者Alexander