重命名Pandas Groupby函数中的列名[重复]

Question

这个问题已经在这里有了答案 ：

使用pandas GroupBy.agg（）对同一列进行多次聚合 （3个答案）

去年关闭。

Q1）我想做一个groupby，SQL风格的聚合 并重命名输出列 ：

示例数据集：

>>> df
    ID     Region  count
0  100       Asia      2
1  101     Europe      3
2  102         US      1
3  103     Africa      5
4  100     Russia      5
5  101  Australia      7
6  102         US      8
7  104       Asia     10
8  105     Europe     11
9  110     Africa     23

我想通过ID和对这个数据集的观察进行分组Region，count并对每个组求和。所以我用了这样的东西…

>>> print(df.groupby(['ID','Region'],as_index=False).count().sum())

    ID     Region  count
0  100       Asia      2
1  100     Russia      5
2  101  Australia      7
3  101     Europe      3
4  102         US      9
5  103     Africa      5
6  104       Asia     10
7  105     Europe     11
8  110     Africa     23

在使用时，as_index=False我能够获得“ SQL-like”输出。我的问题是我无法在此处
重命名聚合变量count。因此，在SQL中，如果想做上述事情，我会做这样的事情：

select ID, Region, sum(count) as Total_Numbers
from df
group by ID, Region
order by ID, Region

正如我们看到的，它很容易让我
集合变量命名count，以Total_Numbers在SQL。我想在Pandas中做同样的事情，但是在group-
by函数中找不到这样的选项。有人可以帮忙吗？

第二个问题（更多是观察结果）是…

Q2）是否可以在Pandas数据框函数中直接使用列名而不用引号引起来？

我知道变量名是字符串，因此必须在引号内，但是我知道是否在数据框函数外部使用它们，并且作为属性，我们不需要它们在引号内。像df.ID.sum()等。只有当我们在DataFrame函数中使用它时，df.sort()或者df.groupby必须在引号内使用它时。实际上，这有点麻烦，因为在SQL或SAS或其他语言中，我们仅使用变量名而不引用它们。有什么建议吗？

请回答两个问题（Q1是主要问题，Q2更多是意见）。

Answer 1

对于第一个问题，我认为答案是：

<your DataFrame>.rename(columns={'count':'Total_Numbers'})

要么

<your DataFrame>.columns = ['ID', 'Region', 'Total_Numbers']

至于第二个，我会说答案是否定的。由于python数据模型，可以像’df.ID’一样使用它：

将属性引用转换为此字典中的查找，例如mx等效于m。 字典 [“ x”]