使用熊猫 groupby 和聚合后使用 MultiIndex 访问列

Question

我正在使用df.groupby() 方法：

g1 = df[['md', 'agd', 'hgd']].groupby(['md']).agg(['mean', 'count', 'std'])

它产生的正是我想要的！

         agd                       hgd                
        mean count       std      mean count       std
md                                                    
-4  1.398350     2  0.456494 -0.418442     2  0.774611
-3 -0.281814    10  1.314223 -0.317675    10  1.161368
-2 -0.341940    38  0.882749  0.136395    38  1.240308
-1 -0.137268   125  1.162081 -0.103710   125  1.208362
 0 -0.018731   603  1.108109 -0.059108   603  1.252989
 1 -0.034113   178  1.128363 -0.042781   178  1.197477
 2  0.118068    43  1.107974  0.383795    43  1.225388
 3  0.452802    18  0.805491 -0.335087    18  1.120520
 4  0.304824     1       NaN -1.052011     1       NaN

但是，我现在想像“普通”数据框一样访问 groupby 对象列。

然后我将能够： 1) 计算agd 和hgd 均值的误差 2) 在md（x 轴）与agd mean（hgd mean）上制作散点图，并添加适当的误差线。

这可能吗？也许通过使用索引？

Answer 1

1）您可以重命名列并照常进行（将摆脱多索引）

g1.columns = ['agd_mean', 'agd_std','hgd_mean','hgd_std']

2）您可以保持多索引并依次使用两个级别（docs）

g1['agd']['mean count']

Answer 2

可以做你正在搜索的事情，它被称为transform。您将在 pandas 文档here 中找到一个完全符合您要求的示例。