ValueError：无法插入ID，已存在

Question

我有这些数据：

ID   TIME
1    2
1    4
1    2
2    3

我希望按ID对数据进行分组，并计算每组的平均时间和大小。

ID   MEAN_TIME COUNT
1    2.67      3
2    3.00      1

如果我运行此代码，则会收到错误“ValueError：无法插入ID，已存在”：

result = df.groupby(['ID']).agg({'TIME': 'mean', 'ID': 'count'}).reset_index()

Answer 1

使用参数drop=True，但不会使用index创建新列，但将其删除：

result = df.groupby(['ID']).agg({'TIME': 'mean', 'ID': 'count'}).reset_index(drop=True)
print (result)
   ID      TIME
0   3  2.666667
1   1  3.000000

但是如果需要索引中的新列首先需要rename旧列名：

result = df.groupby(['ID']).agg({'TIME': 'mean', 'ID': 'count'})
           .rename(columns={'ID':'COUNT','TIME':'MEAN_TIME'})
           .reset_index()
print (result)
   ID  COUNT  MEAN_TIME
0   1      3   2.666667
1   2      1   3.000000

解决方案，如果需要通过多列进行聚合：

result = df.groupby(['ID']).agg({'TIME':{'MEAN_TIME': 'mean'}, 'ID': {'COUNT': 'count'}})
result.columns = result.columns.droplevel(0)
print (result.reset_index())
   ID  COUNT  MEAN_TIME
0   1      3   2.666667
1   2      1   3.000000

Answer 2

我将groupby限制在TIME列。

df.groupby(['ID']).TIME.agg({'MEAN_TIME': 'mean', 'COUNT': 'count'}).reset_index()

   ID  MEAN_TIME  COUNT
0   1   2.666667      3
1   2   3.000000      1

Answer 3

您还可以在分组之前分配分组列的副本：

df.assign(id_=df['ID']).groupby(['ID']).agg({'TIME': 'mean', 'id_': 'count'}).reset_index()