嘿，这个问题我之前也踩过坑！咱们一步步来拆解解决：

首先得揪出问题根源：你写的代码里，unstack后面没有加括号()——在Pandas里，unstack是一个方法，必须调用它（也就是加()）才会返回聚合后的DataFrame。如果不加括号，group_date就只是一个方法对象，而不是可以切片的数据结构，自然会抛出“'method' object is not subscriptable”的错误。

步骤1：修正分组聚合代码 #

先把unstack补全括号，得到正确的分组结果：

# 注意unstack后面的()，这才是真正调用方法生成数据结构
group_date = dd.groupby(['Month','Year','PartId'])['revenue'].sum().unstack()

• 默认情况下，unstack()会把最后一个分组键（这里是PartId）转为列；如果想指定其他分组键转列，可以传level参数，比如unstack(level='Year')，根据你的需求调整就行。

步骤2：选择性查看指定分组 #

针对2万行的数据集，有两种高效的方式查看Month=1、Year=2010的分组：

方式一：先聚合再筛选（适合需要保留完整分组结构的场景） #

如果已经生成了完整的group_date，可以用loc精准定位（前提是group_date的索引是Month和Year的多级索引）：

# 定位Month=1且Year=2010的所有行
target_group = group_date.loc[(1, 2010), :]

你可以先通过group_date.index查看索引结构，确认切片的方式是否正确。

方式二：先筛选再聚合（适合大数据集，性能更优） #

因为你的数据有2万行，先筛选出目标月份和年份的行，再做分组聚合，能减少计算量，效率更高：

# 先过滤出Month=1、Year=2010的数据，再按PartId分组求和
target_group = dd[(dd['Month'] == 1) & (dd['Year'] == 2010)]\
               .groupby('PartId')['revenue'].sum()

小提示 #

如果unstack后出现缺失值（比如某些PartId在指定月份没有数据），可以用fillna(0)填充，避免后续操作出错：

group_date = dd.groupby(['Month','Year','PartId'])['revenue'].sum().unstack().fillna(0)

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