Pandas Pivot_表为Pivot表中未使用的列生成键错误

我正在从数据框创建透视表，其中包含混合的列，如文本、数字、日期和时间。
我能够成功地将文件读入dataframe，并能够处理一些groupby操作。基于此，我尝试创建透视表，该表按周对数据进行分组，并根据一些标准统计数据的某些出现次数。但是，Pivot_表为Pivot表中未使用的列保留了Keyerror

这是我的数据框：

H1      H2        H3            H4      H5    H6    H7    H8    H10
RA2   RB2, H2    2020-07-25    11:30   60    1774   RG2   RH2   RJ2
RA3   RB3, H2    2020-07-25    11:30   60    1791   RG3   RH3   RJ3
RA4   RB4, H2    2020-07-25    11:30   35    1806   RG4   RH4   RJ4
RA5   RB1, H3    2020-07-25    12:30   35    1771   RG5   RH5   RJ5
RA6   RB2, H3    2020-07-25    12:45   60    1813   RG6   RH6   RJ6
RA7   RB3, H3    2020-07-25    13:00   60    1789   RG7   RH7   RJ7
RA8   RB4, H3    2020-07-25    13:00   60    1790   RG8   RH8   RJ8
RA9   RB1, H4    2020-07-25    13:00   60    1808   RG9   RH9   RJ9
RA10  RB2, H4    2020-07-25    14:00   60    1822   RG10  RH10  RJ10

以下是我的失败代码：

            pivot = pd.pivot_table(df, index=['H1', pd.Grouper(key='H3', freq='W-MON')], columns='H10',\
            margins=True, aggfunc={'H10':np.count_nonzero}).reset_index()

我得到的错误如下：

Function: createPivot Raised:  'H2'

我被这个问题困扰了一个星期，无法摆脱它。我也在SO上发布了另一篇与此相关的帖子，但无法得到任何答案

所以如果我能得到一些专家的意见，我真的很感激

---

非常感谢您的帮助和考虑。

透视表将尝试将所有列作为数据帧中的

值使用，除非您明确设置它们。因此，在
aggfunc
参数中查看字典时，它会尝试查找每个剩余列的聚合函数，而不仅仅是H10

但是，在您的示例中，即使您显式地将H10指定为
值
，您也会遇到一个问题，即尝试对
列
和
值
参数使用相同的列，这会使'H10'的
分组不是一维的
错误

您最好使用
pd.crosstab
：

pd.crosstab(
    index=[df['H1'],  df['H3']],
    values=df['H10'], columns=df['H10'],
    margins=True,  aggfunc=np.count_nonzero)

H10              RJ10  RJ2  RJ3  RJ4  RJ5  RJ6  RJ7  RJ8  RJ9  All
H1   H3                                                           
RA10 2020-07-25   1.0  NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN    1
RA2  2020-07-25   NaN  1.0  NaN  NaN  NaN  NaN  NaN  NaN  NaN    1
RA3  2020-07-25   NaN  NaN  1.0  NaN  NaN  NaN  NaN  NaN  NaN    1
RA4  2020-07-25   NaN  NaN  NaN  1.0  NaN  NaN  NaN  NaN  NaN    1
RA5  2020-07-25   NaN  NaN  NaN  NaN  1.0  NaN  NaN  NaN  NaN    1
RA6  2020-07-25   NaN  NaN  NaN  NaN  NaN  1.0  NaN  NaN  NaN    1
RA7  2020-07-25   NaN  NaN  NaN  NaN  NaN  NaN  1.0  NaN  NaN    1
RA8  2020-07-25   NaN  NaN  NaN  NaN  NaN  NaN  NaN  1.0  NaN    1
RA9  2020-07-25   NaN  NaN  NaN  NaN  NaN  NaN  NaN  NaN  1.0    1
All  NaT          1.0  1.0  1.0  1.0  1.0  1.0  1.0  1.0  1.0    9


我不确定透视表的用途是什么，因为它没有预期的输出，但如果您想简单地对其进行聚合，可以使用
df.groupby（'H3'）['H10'].transform（np.count\u nonzero）
。