Pandas的pd.crosstab指定多个aggfunc时报__dummy__错误如何解决？

错误原因 #

该报错是pd.crosstab在传入Python内置len函数作为聚合函数时的兼容问题：len无法适配pandas多聚合函数场景下的分组统计逻辑，触发了内部隐藏的__dummy__错误，该问题在部分旧版本pandas中尤为常见。

解决方法 #

方案1（最推荐，兼容性最好） #

将内置函数len替换为pandas原生支持的统计关键字即可：

• 用'size'统计每个分组的总行数（包含空值）
• 用'count'统计每个分组的非空值行数

修改后可正常运行的完整代码：

import pandas as pd
import numpy as np

c1 = np.repeat(['a','b'], [50, 50], axis=0)
c2 = list('xy'*50)
c3 = np.repeat(['G1','G2'], [50, 50], axis=0)
np.random.shuffle(c3)
c4=np.repeat([1,2], [50,50],axis=0)
np.random.shuffle(c4)
val = np.random.rand(100)

df = pd.DataFrame({'c1':c1, 'c2':c2, 'c3':c3, 'c4':c4, 
'val':val})
print(df)
table  = pd.crosstab([df.c1,df.c2], [df.c3,df.c4], 
values=df.val, aggfunc=['size', np.mean])
print(table)

方案2（适用于自定义统计逻辑场景） #

如果需要自定义长度统计逻辑，可以用lambda封装适配pandas的分组输入格式：

table  = pd.crosstab([df.c1,df.c2], [df.c3,df.c4], 
values=df.val, aggfunc=[lambda x: len(x), np.mean])

两种方案运行后都会返回符合预期的交叉表结果，行索引为c1、c2的多级组合，列索引为c3、c4的多级组合，每个单元格包含分组样本量和均值两个统计值。

内容的提问来源于stack exchange，提问作者Madeline