我有一个如下数据框：
df
ID t count
0 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed... 2017-09-05 00:09:00 1
1 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed... 2017-09-05 00:39:26 1
2 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed... 2017-09-05 02:28:50 1
3 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed... 2017-09-05 02:30:22 1
4 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed... 2017-09-05 02:32:28 1
我想计算每天每个ID的活动。
这就是我在做什么：
tmp1 = df.groupby([df['t'].dt.date, 'ID'])['count'].count()
这就是我得到的
tmp1
t ID
2017-09-05 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed0a1806c62651aa4a30 26
0004b4d7e05c677640e10e26773e32ccb5f10c39bf859096ad7c9ee7655ed8bf 28
0017ffd4a67fe565084e7c7ccfa0d3bf7be343e829618d346513487aacefb1e1 21
002a35a587105a31e2f30cb9ab56057121dcaa78f79e2e07519f1451cbc84f86 6
002e11627145f2a1a4c32976eb69c75e25418358ff861d0045f9a56f7cfaf238 61
但是我想要一个如下数据框：
tmp1
t ID
0 2017-09-05 0003f050c59f8e94612130a6788d8a45f18cbd1c74afed0a1806c62651aa4a30 26
1 2017-09-05 0004b4d7e05c677640e10e26773e32ccb5f10c39bf859096ad7c9ee7655ed8bf 28
2 2017-09-05 0017ffd4a67fe565084e7c7ccfa0d3bf7be343e829618d346513487aacefb1e1 21
3 2017-09-05 002a35a587105a31e2f30cb9ab56057121dcaa78f79e2e07519f1451cbc84f86 6
4 2017-09-05 002e11627145f2a1a4c32976eb69c75e25418358ff861d0045f9a56f7cfaf238 61