Pandas中groupby.size()后如何恢复索引？

嘿，这个问题其实是size()聚合函数的特性导致的——它默认返回的是Series，而不是DataFrame，这就是为什么你设置as_index=True或False看起来没区别的原因！咱们来拆解清楚，再给出解决方案：

为什么as_index对size()没用？ #

当你使用groupby.size()时，不管as_index参数怎么设置，它都会返回一个以分组键（这里是product_id）为索引的Series。而像max()这类聚合函数，在as_index=False时会返回DataFrame，自动把分组键转为普通列——这就是两者的核心差异所在。

两种解决方案，轻松恢复索引 #

方法1：用reset_index()转成DataFrame并命名计数列 #

这是最直接的方式，先通过size()得到Series，再用reset_index()把索引转为普通列，同时给计数结果指定列名：

# 生成结果并重置索引
result = df.groupby('product_id').size().reset_index(name='count')

# 输出结果
print(result)

得到的输出会是这样的DataFrame（符合你想要的“恢复索引”效果，product_id是普通列，索引为默认整数）：

product_id  count
0        3587      1
1        3590      1
2        3680      2
3        6735      5
4        6744      1
5        6759      6

方法2：用agg()方法强制生成DataFrame #

如果你想直接通过groupby得到DataFrame，可以用agg()方法，明确指定聚合逻辑和列名，这时as_index=False就会正常生效：

# 使用agg指定聚合方式，as_index=False让product_id成为普通列
result = df.groupby('product_id', as_index=False).agg(count=('order_id', 'size'))

print(result)

这个方法和方法1的输出完全一致，好处是一步到位，不需要额外的reset_index()操作。

补充说明 #

你给出的“期望输出”看起来可能有点笔误（比如原数据里的product_id是2103、2104，但分组后是3587等，两者对应不上），上面的方案是基于你想要把分组键product_id转为普通列、恢复默认整数索引的需求来设计的，应该正好匹配你的实际场景~

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