Pandas groupby返回DataFrameGroupBy对象，如何生成目标DataFrame？

嘿，这个问题我之前也碰到过！你现在得到pandas.core.groupby.DataFrameGroupBy对象是因为groupby()本身只是创建了分组规则，并没有对数据做聚合或重塑操作，所以还不是最终的DataFrame。咱们一步步来解决：

首先看你的原始数据：

Flavor       MONTH      Score
6   Vanilla  March_2018  2.941176
7  Chocolate March_2018  7.692308
8     Banana March_2018  0.000000
23 Strawberry March_2018 20.000000

你执行的Score_df = df1.groupby(['Flavor','MONTH'])只是告诉Pandas要按Flavor和MONTH分组，但没说要对分组后的Score做什么操作，所以返回的是分组对象而非DataFrame。要得到你期望的格式，需要加上聚合操作并调整结构，这里有两种简单的方法：

方法一：groupby聚合 + unstack重塑 #

因为你的每个(Flavor, MONTH)组合只有一个Score值，我们可以先取每个分组的第一个（也是唯一的）Score值，再把MONTH转为列：

Score_df = df.groupby(['Flavor', 'MONTH'])['Score'].first().unstack()

运行后得到的结果就是你想要的DataFrame：

MONTH      March_2018
Flavor               
Banana        0.000000
Chocolate     7.692308
Strawberry   20.000000
Vanilla       2.941176

方法二：直接用pivot（更直观） #

如果你的数据中每个(Flavor, MONTH)确实只有一条记录，用pivot可以一步到位，直接指定索引、列和值：

Score_df = df.pivot(index='Flavor', columns='MONTH', values='Score')

这个方法和上面的结果完全一致，而且代码更简洁，适合这种一对一映射的场景。

总结一下：groupby()只是分组的第一步，必须配合聚合函数（比如first()、sum()、mean()等）才能生成DataFrame，再根据需要用unstack()调整结构；或者直接用pivot跳过分组步骤，直接得到目标格式。

内容的提问来源于stack exchange，提问作者florence-y