如何为Pandas agg函数生成的计数列命名并解决排序KeyError问题

这个问题其实挺常见的，核心原因是你用agg(['count'])的时候，生成的结果会带有多级列索引（MultiIndex），直接用'count'当键自然会找不到，我给你几个实用的解决方案：

1. 直接指定完整的多级列名排序 #

当你执行df.groupby(['col1']).agg(['count'])后，结果的列名是两层结构：第一层是原DataFrame的列名（比如你要计数的列是col2），第二层才是count。所以排序时需要把这两层都指定：

# 假设你要计数的列是col2
df.groupby(['col1']).agg(['count']).sort_values(('col2', 'count'), ascending=False)

2. 聚合时给计数列起明确的单级名称（推荐） #

与其事后处理多级列，不如在聚合的时候就直接定义好列名，这样后续操作更清晰：

# 给计数列命名为count_num，指定要计数的列是col2
result = df.groupby(['col1']).agg(count_num=('col2', 'count'))
# 直接用新列名排序
result.sort_values('count_num', ascending=False)

这种方式生成的结果只有单级列索引，完全不会出现KeyError的问题。

3. 扁平化已生成的多级列名 #

如果已经得到了带多级列的结果，可以手动把列名合并成单级：

result = df.groupby(['col1']).agg(['count'])
# 将多级列名合并成类似"col2_count"的格式
result.columns = ['_'.join(col) for col in result.columns]
# 直接用合并后的列名排序
result.sort_values('col2_count', ascending=False)

4. 更简洁的计数方式：用size() #

其实如果只是想按col1分组计数，groupby.size()是更直接的方法，它会返回一个Series（不是DataFrame），索引是分组键，值是计数，排序非常方便：

df.groupby('col1').size().sort_values(ascending=False)

内容的提问来源于stack exchange，提问作者fraxture