Pandas中groupby+agg的两种写法区别小结
在使用 Pandas 做数据统计时，groupby + agg是绕不开的操作。
但很多人（包括我自己）在实际项目中都会遇到一个问题：
为什么明明只是做个统计，结果 DataFrame 却变成了 MultiIndex，
后面 merge、导 Excel、画图全都开始报错？
追根溯源，问题往往出在：
👉groupby + agg的写法选错了
本文结合真实工程经验，详细讲清楚 Pandas 中 agg 的两种常见写法，以及为什么在工程场景下强烈推荐其中一种。
一、一个非常真实的使用场景
假设你在做检测评测统计，有如下数据：
| class | part1 | TP | FP | FN | GT_count |
|---|---|---|---|---|---|
| cow | v01 | 5 | 1 | 0 | 6 |
| cow | v01 | 4 | 0 | 1 | 5 |
| dog | v02 | 3 | 2 | 1 | 4 |
目标是：
按 class + part1 统计 TP / FP / FN / GT 数量
二、第一种写法：很多人最常用，但最容易踩坑
1 2 3 |
|
这段代码有问题吗？
没有。
但它返回的结果结构是：
- class 和 part1 变成了 MultiIndex
- 统计结果才是列
也就是说，你拿到的是一张多级索引 DataFrame。
MultiIndex 在工程中会带来什么问题？
以下问题你大概率都会遇到：
- 导出 Excel 前必须 reset_index()
- 和其他表 merge 时经常报错
- 新同事很难快速理解数据结构
- 后面再算指标时代码变得很别扭
👉 分析阶段还能接受，工程阶段非常痛苦
三、第二种写法：Pandas 官方推荐（强烈建议）
1 2 3 4 5 6 7 8 9 |
|
返回结果是什么样？
class | part1 | TP | FP | FN | GT
- 分组字段是普通列
- 没有 MultiIndex
- 看起来就是一张“标准统计表”
四、两种写法的核心区别对比
| 对比点 | 第一种写法 | 第二种写法 |
|---|---|---|
| 分组字段位置 | Index | 普通列 |
| 索引类型 | MultiIndex | 普通 Index |
| 是否需要 reset_index | 是 | 否 |
| 列名是否可控 | 否 | 是 |
| 扩展复杂统计 | 不优雅 | 非常自然 |
| 工程实用性 | 较低 | 很高 |
五、真实项目中的差距会越来越大
当统计需求升级，比如你还想算：
- 平均置信度
- 唯一 track 数
第一种写法会越来越臃肿：
1 2 3 4 5 6 7 |
|
而第二种写法依然清晰：
1 2 3 4 5 6 7 |
|