Pandas使用pivot_table统计Sex列数量报ValueError该如何解决？

触发该报错的核心原因是pivot_table的index和values参数同时指定了同一列Sex，pandas处理分组逻辑时无法同时将该列用作分组维度和聚合计算对象，因此抛出维度不匹配错误。

下面提供三种可直接复用的实现方式，都可以得到以Sex为行索引、第二列为对应性别计数的结果：

• 方案1：使用专门的频率统计方法value_counts()（最简便）
  value_counts是pandas内置用于统计分类列各取值出现次数的专用方法，调用to_frame可直接转为符合要求的DataFrame格式：

# 若需要保留原性别排序，可添加参数sort=False
df['Sex'].value_counts().to_frame(name='计数')

• 方案2：调整pivot_table参数适配逻辑
  如果必须使用pivot_table实现，只需避免将同一列同时设为index和values，也可以用aggfunc='size'直接统计分组行数，无需指定values参数：

# 方式A：指定其他存在的非空列（如乘客ID、姓名等）作为values
df.pivot_table(index="Sex", values="PassengerId", aggfunc='count')
# 方式B：用size统计分组行数，无需指定values
df.pivot_table(index="Sex", aggfunc='size').to_frame(name='计数')

• 方案3：使用groupby实现
  通过groupby分组后统计行数也可得到对应结果：

df.groupby('Sex').size().to_frame(name='计数')

内容的提问来源于stack exchange，提问作者user1955215