pandas按年月分组聚合时sum正常，使用min报ValueError错误如何解决

• 首先是分组键命名冲突：传入groupby的两个分组维度都是从day_time字段派生的Series，默认两个分组键的名称均为day_time，导致分组后生成的多重索引出现重名层级。sum聚合对这类重名问题的兼容度更高，min/max这类聚合函数的内部处理逻辑会触发索引对齐错误，返回的结果维度和原表20列的预期不符，最终抛出对应错误。
• 其次是未指定聚合列：代码没有在聚合时指定要计算的列，默认会对全表所有列执行聚合，其中原day_time字段是datetime类型，在min聚合时的返回逻辑和数值列不同，进一步加剧了维度匹配异常。

方法1：手动指定分组键名称，避免重名 #

给派生的分组键手动设置不同的名称后再执行聚合：

data_update = data_update.groupby([
    data_update['day_time'].dt.month.rename('month'),
    data_update['day_time'].dt.year.rename('year')
]).agg('min')

方法2：提前提取月、年字段为独立列再分组 #

先把年月维度存为DataFrame的独立列，从根源避免分组键重名问题，同时可以按需选择要聚合的列，减少不必要的计算：

# 提取年月维度到新列
data_update['month'] = data_update['day_time'].dt.month
data_update['year'] = data_update['day_time'].dt.year
# 按新列分组，按需指定要聚合的数值列即可
data_update = data_update.groupby(['year', 'month'])[['需要聚合的列名1', '需要聚合的列名2']].agg('min')

方法3：聚合时筛选列类型 #

如果不需要保留day_time字段的聚合结果，聚合前先筛选出需要计算的列，排除冲突字段：

data_update = data_update.select_dtypes(include=['number']).groupby([
    data_update['day_time'].dt.month,
    data_update['day_time'].dt.year
]).agg('min')

内容的提问来源于stack exchange，提问作者Catfoxes