панды создают несколько агрегаций без мультииндекса

У меня есть приведенный ниже код, который создает новые столбцы в моем фрейме данных для медианного проданного и стандартного проданного. У меня проблема в том, что мне не нужен многоиндексный вывод. Как я могу сгладить вывод, как в желаемом примере вывода ниже? Или есть способ просто создать новые столбцы как совокупность проданных без создания мультииндекса в первую очередь.

Maybe something like in sql: 

select Month, M_day, median(sold) as median, std(sold) as std from month_df group by Month, M_day


Code:
month_df=month_df[['Month','M_day','sold']].groupby(['Month','M_day']).agg(['median','std'])
print(month_df.head())


Output:

              sold           
            median        std
Month M_day                  
1     2       12.0  13.719555
      3        5.0  11.508762
      4       12.0  12.907761
      5        6.0  14.371283
      6       12.0   7.859340

desired output:



Month M_day  median        std              
1     2       12.0  13.719555
      3        5.0  11.508762
      4       12.0  12.907761
      5        6.0  14.371283
      6       12.0   7.859340

pandas python-2.7
person user3476463    schedule 26.05.2018    source источник
comment
@jpp Спасибо, что так быстро ответили мне. Два ответа, которые вы мне прислали, кажутся немного разными. Так как я создаю две агрегации из одного поля вместо одной агрегации. Решение, которое я придумал, состоит в том, чтобы создать один кадр данных с помощью std и reset_index. Затем создайте еще один кадр данных с медианой и reset_index. Затем присоединитесь к ним в Month и M_day. Это действительно лучший способ добиться этого?   -  person user3476463    schedule 28.05.2018
comment
Решения для двух дубликатов должны относиться к любому сценарию, где индексы или столбцы являются многоиндексными. Я предлагаю вам, если у вас возникли проблемы с применением решения, показать свою попытку (через предоставленные решения) и то, что вы получаете вместо желаемого результата. Не стесняйтесь редактировать свой вопрос с помощью этого улучшения. Удачи!   -  person jpp    schedule 28.05.2018