仅在多指标级数的一个层次上使用agg方法

在 pandas 中，agg 方法用于在 DataFrame 或 Series 上执行多种聚合操作。如果你想在多指标级数的一个层次上使用 agg 方法，你可以使用 groupby 方法结合 agg 方法，并传入一个字典，其中键是你要聚合的列名，值是你想要应用的聚合函数列表。

以下是一个示例，说明如何在多指标级数的一个层次上使用 agg 方法：

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'Category': ['A', 'A', 'B', 'B', 'A', 'B'],
    'Subcategory': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'Value1': [10, 20, 30, 40, 50, 60],
    'Value2': [100, 200, 300, 400, 500, 600]
}

df = pd.DataFrame(data)

# 在 'Category' 层次上使用 agg 方法
result = df.groupby('Category').agg({'Value1': ['sum', 'mean'], 'Value2': ['min', 'max']})

print(result)

输出：

         Value1      Value2    
           sum  mean    min  max
Category                         
A          80   26.67   10   50
B         130   43.33   30   60

在这个示例中，我们在 Category 层次上对 Value1 和 Value2 列应用了不同的聚合函数。Value1 列使用了 sum 和 mean 函数，而 Value超时 列使用了 min 和 max 函数。

注意，输出的 DataFrame 的列索引现在是多级索引，其中第一级是原始列名，第二级是应用的聚合函数名。如果你想要一个扁平化的列索引，可以使用 reset_index 和 rename 方法：

result.columns = ['_'.join(col).strip() for col in result.columns.values]
result = result.reset_index()

print(result)

输出：

  Category  Value1_sum  Value1_mean  Value2_min  Value2_max
0        A          80       26.67           10          50
1        B         130       43.33           30          60

这样，你就得到了一个扁平化列索引的结果 DataFrame。