使用pandas pivot_table处理Interval类型列时触发TypeError的解决方法

这个错误大概率是因为你的cat1和cat2作为分类变量（Categorical），其类别（categories）是pandas Interval对象（而非字符串），在透视表生成过程中，pandas尝试将这些Interval对象转换为列名时触发了类型转换冲突。

下面是几种可行的解决方法：

方法1：将分类变量转换为字符串类型 #

直接把cat1和cat2从Categorical类型转为字符串，让透视表能正常识别列名：

# 先转换分类列为字符串格式
df['cat1'] = df['cat1'].astype(str)
df['cat2'] = df['cat2'].astype(str)

# 再执行透视表操作
pd.pivot_table(df, index='cat1', columns='cat2', values='col_a')

方法2：生成分类变量时直接指定字符串标签（适用于pd.cut生成的场景） #

如果你的cat1和cat2是通过pd.cut生成的，可以在生成阶段就设置字符串格式的区间标签，避免生成Interval类型的分类：

# 示例：生成cat1时指定字符串标签
bins_cat1 = [19.0, 28.0, 34.0, 38.0]
labels_cat1 = ['(19.0, 28.0]', '(28.0, 34.0]', '(34.0, 38.0]']
df['cat1'] = pd.cut(df['原始数值列'], bins=bins_cat1, labels=labels_cat1, include_lowest=True)

# cat2按同样方式处理后，再执行透视表就不会触发错误了

方法3：显式指定聚合函数（兜底方案） #

有时候默认聚合函数mean可能和分类列的类型处理产生冲突，你可以显式指定聚合函数（比如求和、计数），同时确保分类列类型正常：

import numpy as np
pd.pivot_table(df, index='cat1', columns='cat2', values='col_a', aggfunc=np.sum)

你也可以先检查分类列的类别类型：执行df['cat1'].cat.categories，如果输出是Interval对象，那肯定是这个问题，转换为字符串就能解决。

内容的提问来源于stack exchange，提问作者user308827