如何引用 pandas 数据框的索引字段？

Question

我有以下数据框：

    payment_method_id   payment_plan_days   plan_list_price actual_amount_paid date
msno                                
YyO+tlZtAXYXoZhNr3Vg3+dfVQvrBVGO8j1mfqe4ZHc=    41  30  129 129 2015-01-01
AZtu6Wl0gPojrEQYB8Q3vBSmE2wnZ3hi1FbK1rQQ0A4=    41  30  149 149 2015-01-01
UkDFI97Qb6+s2LWcijVVv4rMAsORbVDT2wNXF0aVbns=    41  30  129 129 2015-01-02

关键是“msno”，我需要找出大多数“msno”是否在不同日期只使用一个payment_method_id。

所以我尝试按“msno”、“payment_method_id”分组，使用

 transactions.groupby(['msno', 'payment_method_id']).count()

但出现错误：KeyError: 'msno'

使用其他字段进行分组可以正常工作，例如：

 transactions.groupby(['payment_plan_days', 'payment_method_id']).count()

那么对于msno，我什至可以使用groupby level=0

 transactions.groupby(level=0)

但我无法将包含第一列的两个级别分组。

这是transactions.columns中的样子

Index(['payment_method_id', 'payment_plan_days', 'plan_list_price', 'actual_amount_paid', 'date'] dtype='object')

有什么建议吗？

Answer 1

我认为您需要reset_index 将索引转换为列，因为您的熊猫版本低于0.20.1：

作为 by 参数传递给 DataFrame.groupby() 的字符串现在可以引用列名称或索引级别名称。以前，只能引用列名。这允许同时按列和索引级别轻松分组。

transactions.reset_index().groupby(['msno', 'payment_method_id']).count()

所以升级后你的代码应该可以正常工作了：

transactions.groupby(['msno', 'payment_method_id']).count()

注意：

count 和 size 之间的区别是 count 省略 NaNs 和 size 不是。