使用Pandas透视表统计重复值：首次正常，二次调用报错

问题根源 #

你遇到的KeyError: 'no of dups'是可变参数被意外污染导致的：

• 列表是可变对象，代码里的targetColumns.extend(['no of dups'])会直接修改传入的targetColumns本身，而非创建新列表。
• 首次调用时，targetColumns是干净的分组列（比如['account', 'year']），但调用结束后这个列表已被追加了'no of dups'。如果Django请求处理中复用了这个参数（比如参数存在全局变量、缓存或复用的上下文对象里），第二次调用时targetColumns就变成了['account', 'year', 'no of dups']。
• 而你读取的Excel文件里根本没有'no of dups'列，pivot_table用这个列表作为分组key时，自然找不到对应列，抛出KeyError。

另外代码还有个隐性bug：res.reset_index()没有赋值给res，pandas多数方法默认返回新对象，不会修改原对象，这行代码等于没执行，后续的res.rename操作实际是在操作Series而非DataFrame，逻辑存在混乱。

解决方法 #

1. 禁止直接修改传入的可变参数 #

永远不要修改函数的可变参数（列表、字典等），创建副本后再操作：
把targetColumns.extend(['no of dups'])替换为：

# 创建副本，避免污染原参数
result_columns = targetColumns.copy()
result_columns.append('no of dups')
# 或更简洁的写法
result_columns = targetColumns + ['no of dups']

之后用result_columns做过滤：

res = res.filter(result_columns).values.tolist()

2. 简化pivot_table处理逻辑 #

直接在pivot_table步骤完成计数列命名，避免后续的rename和reset_index混乱：

# 一步生成带计数列的DataFrame
res = dfTable.pivot_table(index=targetColumns, aggfunc='size').reset_index(name='no of dups')

修复后的完整代码 #

def duplicationCount(table_file_path, targetColumns):
    dfTable = pd.read_excel(io=table_file_path, sheet_name='Sheet1', skiprows=0)
    dfTable.columns = dfTable.columns.str.strip("'")
    # 一步生成统计结果DataFrame
    res = dfTable.pivot_table(index=targetColumns, aggfunc='size').reset_index(name='no of dups')
    # 过滤重复次数≥2的记录
    res = res[res['no of dups'] >= 2]
    # 基于原参数创建结果列，不修改原列表
    result_columns = targetColumns + ['no of dups']
    res = res.filter(result_columns).values.tolist()
    return res

验证逻辑 #

修复后，无论调用多少次，传入的targetColumns都不会被修改，每次都会基于原始分组列统计，不会再出现找不到'no of dups'列的问题。同时简化后的pandas操作逻辑更清晰，也解决了原代码的隐性bug。

内容的提问来源于stack exchange，提问作者SDido