使用groupby()后如何处理生成的多层新索引？

哈哈，我懂这种不小心搞出重复索引的崩溃感！你这情况明显是分组的时候没注意——原来已经把trade_dt设成索引了，结果分组又把它当成字段用，才搞出来两层一模一样的索引，还带了重复的列。给你两种解决思路：

一、先清理已经生成的重复索引DataFrame #

如果已经得到了这个“冗余”的DataFrame，直接动手清理：

• 第一步：先删掉重复的trade_dt列，毕竟索引已经包含日期信息了，这个列完全多余：

df = df.drop(columns='trade_dt')

• 第二步：处理重复的多级索引。这里有两种简单的方式：
  • 方式A：直接移除重复的索引层级（假设重复的是第二层）

  df = df.droplevel(1)
  

  • 方式B：重置索引后重新整理（更稳妥，不怕层级搞混）

  # 先把索引转成列
  df = df.reset_index()
  # 这时候会出现两个trade_dt列（比如叫trade_dt和trade_dt_1），删掉重复的那个
  df = df.drop(columns='trade_dt_1')
  # 再重新设置正确的单级索引
  df = df.set_index('trade_dt')
  

二、从源头避免生成重复索引 #

其实更省心的是在分组阶段就避免这个问题。因为你的原始DataFrame已经把trade_dt设为索引了，分组时直接按索引层级分组就行，不用再指定列名：

# 直接按索引的trade_dt层级分组，后面跟你的聚合操作（比如sum()、mean()等）
grouped_df = df.groupby(level='trade_dt').mean()  # 这里mean()只是示例，换成你需要的操作

这样出来的结果就是正常的单级索引，不会有冗余的层级和列。

如果你的需求是按日期做时间序列相关的分组处理，也可以试试resample方法，比如：

# 按月聚合的示例，适合时间序列场景
resampled_df = df.resample('M').mean()

内容的提问来源于stack exchange，提问作者xxyao