在使用pandas groupby和aggregate之后使用MultiIndex访问列

Question

我使用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，我现在想要像"普通"数据框那样访问groupby对象列。

我将能够:1)计算agd和hgd均值的误差2)在md (x轴)vs agd mean (hgd mean)上绘制散点图，并添加适当的误差条。

这可能吗?也许可以通过索引进行操作?

Answer 1

1)您可以重命名列并照常进行(将摆脱多重索引)

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

2)你可以保持多索引，并轮流使用这两个级别(docs)

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

Answer 2

可以做您正在搜索的内容，它被称为transform。您将在这里的pandas文档中找到一个示例，它完全符合您的搜索要求。