基于多列的Pandas多聚合函数实现（非分层索引）

刚好我之前也处理过类似的需求，用pivot_table完全可以实现，而且很容易避免分层索引，给你一步步拆解：

首先先构造你给出的输入DataFrame：

import pandas as pd

# 构造输入数据
data = {
    'Color': ['Blue', 'Red', 'Green', 'Blue', 'Blue', 'Green', 'Red', 'Blue', 'Blue'],
    'Shape': ['Square', 'Square', 'Square', 'Circle', 'Square', 'Circle', 'Circle', 'Square', 'Circle'],
    'Value': [5, 2, 7, 9, 2, 6, 2, 5, 1]
}
df = pd.DataFrame(data)

接下来用pivot_table实现聚合，同时处理掉分层索引：

# 使用pivot_table完成聚合，避免分层索引
agg_result = pd.pivot_table(
    df,
    index=['Color', 'Shape'],  # 按Color和Shape分组
    values='Value',            # 聚合的目标列
    aggfunc={'Value': ['count', 'sum']}  # 同时计算计数和求和
).reset_index()  # 把行索引中的Color、Shape转为普通列

# 重命名列名，匹配你需要的格式
agg_result.columns = ['Color', 'Shape', 'Count', 'Sum']

# 查看最终结果
print(agg_result)

运行这段代码后，输出结果就和你期望的完全一致：

Color   Shape  Count  Sum
0    Blue  Circle      2   10
1    Blue  Square      3   12
2   Green  Circle      1    6
3   Green  Square      1    7
4     Red  Circle      1    2
5     Red  Square      1    2

关键说明： #

• pivot_table默认会生成分层列索引（比如('Value', 'count')这种），我们通过reset_index()把行索引里的分组字段变回普通列，再手动重命名列名就能消除分层结构。
• 如果想要结果的顺序和你给出的完全一致，可以在最后加上sort_values(by=['Color', 'Shape'], ascending=[True, False])来调整排序。

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