Pandas执行assign、groupby聚合后如何保留ID列方便数据合并

核心原因 #

经过groupby聚合、unstack转宽表操作后，原本作为分组键的MotherID、PregnancyID会从DataFrame普通列转为行级多层索引。pandas导出CSV、识别列结构时，只会将普通实体列纳入处理范围，行索引字段默认不会被包含在内，因此会出现ID列丢失的情况。

解决方式 #

无需调整前期分组、聚合、宽表转换的逻辑，仅需在整个处理流程末尾追加.reset_index()。该操作会将行级多层索引中的MotherID、PregnancyID全部还原为正式实体列，不影响已计算完成的各妊娠阶段测量值结果。

修正后的完整代码 #

result_df = (
    df.assign(tm = (df['gestationalAgeInWeeks'] + 13 - 1 ) // 13)
    .drop(columns = 'gestationalAgeInWeeks')
    .groupby(['MotherID', 'PregnancyID','tm'])
    .agg('max')
    .unstack()
    .reset_index()  # 新增该行实现ID列还原
)

可选列名简化 #

上述代码执行完成后，测量值列会呈现为多层元组结构（如('abdomCirc', 1)），如果该结构影响后续多表合并操作，可追加以下代码简化列名：

# 将元组列名转换为可读性更高的格式，例如 abdomCirc_tm1、abdomCirc_tm2
result_df.columns = [
    f"{col[0]}_tm{col[1]}" if isinstance(col, tuple) else col
    for col in result_df.columns
]

处理效果 #

• 调用result_df.info()时，MotherID、PregnancyID会被识别为DataFrame的正式列
• 执行result_df.to_csv("output.csv", index=False)导出文件时，两个ID字段会正常写入CSV首列位置，不会出现丢失

内容的提问来源于stack exchange，提问作者sums22