如何按Date与ID对Multi-index执行Roll-up并生成指标？

没问题，我来帮你搞定这个多维度聚合的需求！咱们用Python的pandas来实现，这是处理这类表格数据的首选工具，步骤清晰易懂。

第一步：准备输入数据 #

先把你给出的原始数据转换成pandas的DataFrame格式，方便后续操作：

import pandas as pd

# 输入数据
raw_data = {
    'Date': ['201712', '201712', '201712', '201801'],
    'ID': [123, 456, 123, 123],
    'Flag': ['-', '+', '+', '+'],
    'Action Type': ['Delete', 'Add', 'Add', 'Change']
}
df = pd.DataFrame(raw_data)

第二步：定义聚合规则 #

根据你的预期输出，我们需要针对Flag和Action Type列分别定义聚合逻辑：

• Flag列：如果同一组（相同Date+ID）里同时存在-和+，就返回*；只有-返回-，只有+返回+
• Action Type列：去重后将所有不同的操作类型用&连接，比如同一组有Add和Delete就变成Add & Delete

对应的聚合函数如下：

# 处理Flag的聚合逻辑
def aggregate_flag(series):
    unique_flags = series.unique()
    if '-' in unique_flags and '+' in unique_flags:
        return '*'
    return '-' if '-' in unique_flags else '+'

# 处理Action Type的聚合逻辑（去重后排序拼接，保证结果顺序统一）
def aggregate_action(series):
    unique_actions = sorted(series.unique())
    return ' & '.join(unique_actions)

第三步：执行Multi-index Roll-up #

用groupby按Date和ID分组，然后应用上面定义的聚合函数即可：

# 方案1：聚合后Date和ID保持为普通列
result_as_columns = df.groupby(['Date', 'ID'], as_index=False).agg({
    'Flag': aggregate_flag,
    'Action Type': aggregate_action
})

# 方案2：聚合后Date和ID作为Multi-index（符合你说的Multi-index Roll-up）
result_as_multiindex = df.groupby(['Date', 'ID']).agg({
    'Flag': aggregate_flag,
    'Action Type': aggregate_action
})

第四步：查看结果 #

运行上面的代码后，result_as_columns的输出就是你预期的格式：

如果用result_as_multiindex，则会得到以Date和ID为复合索引的结果：

Flag      Action Type
Date   ID
201712 123    *  Add & Delete
       456    +            Add
201801 123    +         Change

扩展说明 #

如果需要额外生成其他指标（比如每个组的行数），只需要在agg里添加对应的规则即可，比如：

result_with_count = df.groupby(['Date', 'ID'], as_index=False).agg({
    'Flag': aggregate_flag,
    'Action Type': aggregate_action,
    'Record Count': 'size'  # 新增计数指标
})

内容的提问来源于stack exchange，提问作者F R