pandas统计多列值均为Yes的行数报多维键索引错误如何解决

触发Cannot index with multidimensional key报错的核心原因有两点：

• 你的DataFrame存在重复列名：给出的表结构里有2个同名的First name列、2个同名的Parameter 1列，不存在名为Parameter 2的列。当存在重复列名时，用df.列名的属性访问方式取列，pandas会返回包含所有同名列的子DataFrame而非单列Series，此时做布尔索引就会传入多维键，直接触发报错。
• 列名引用方式错误：你的列名是带空格的Parameter 1，代码里写的df.Parameter1本身就和实际列名不匹配，进一步放大了索引问题。

方法1：先规范列名再统计（推荐） #

先给重复列设置唯一名称，从你的需求判断，两个同名的Parameter 1列实际对应你要统计的Parameter 1和Parameter 2，先重命名列：

# 按列的顺序重命名，设置唯一列名
df.columns = ['First name_1', 'First name_2', 'Parameter 1', 'Parameter 2']

之后统计两列同时为Yes的行数，直接对布尔判断结果求和即可，不需要绕路用loc+count：

# 计算符合条件的总行数
yes_count = ((df['Parameter 1'] == 'Yes') & (df['Parameter 2'] == 'Yes')).sum()
# 追加到Temp列表
Temp.append(yes_count)

提示：列名带空格、特殊字符或者存在重名风险时，统一用df['列名']的方括号语法取列，不要用df.列名的属性访问语法，能避免绝大多数列索引错误。

方法2：不改列名，按列位置索引 #

如果你不想修改原有列名，可以直接用列的位置索引取值（索引从0开始计数）：

# 第3列（位置索引2）是第一个Parameter列，第4列（位置索引3）是第二个Parameter列
yes_count = ((df.iloc[:, 2] == 'Yes') & (df.iloc[:, 3] == 'Yes')).sum()
Temp.append(yes_count)

内容的提问来源于stack exchange，提问作者Сергей Корягин