Python 如何计算每个标题中有多少男性/女性？

我是数据科学的新手，我想计算一下每个标题中有多少女性/男性

我尝试了以下代码：

'''

我得到的是：

  Title   Age     Sex
0    Mr  22.0    male
1   Mrs  38.0  female
2  Miss  26.0  female
3   Mrs  35.0  female
4    Mr  35.0    male

然后我尝试添加#男#女列

df = pd.DataFrame()
df = newdf[['Age','Title']].groupby('Title').mean().sort_values(by='Age',ascending=False)
df['#People'] = newdf['Title'].value_counts()
df['Male'] = newdf['Title'].sum(newdf['Sex']=='male')
df['Female'] = newdf['Title'].sum(newdf['Sex']=='female')

我收到的错误消息： TypeError:“Series”对象是可变的，因此不能对其进行哈希运算

我希望有四个栏目：标题、年龄（平均值）、人物、男性、女性。所以我想知道这些人中有多少是男性和女性

p.S.没有这些行：

一切正常，我得到：

但不包括#男#女。

用于聚合

mean

和

size

以及新列，添加方式为：

---

注意：这一行是无用的：

df=pd.DataFrame（）

这：

newdf[['Age'，'Title']]。groupby（'Title'）

应该重写为：

newdf.groupby（'Title'）['Age']

没有得到一分。为什么df.groupby（'Title'）['Age']中的['Age']是什么？@Doctror很奇怪，因为它是相同的

df=newdf['Age'，'Title']].groupby（'Title'）.mean（）

-vs

newdf.groupby（'Title'）['Age'].mean（）。
df = pd.DataFrame()
df = newdf[['Age','Title']].groupby('Title').mean().sort_values(by='Age',ascending=False)
df['#People'] = newdf['Title'].value_counts()
df['Male'] = newdf['Title'].sum(newdf['Sex']=='male')
df['Female'] = newdf['Title'].sum(newdf['Sex']=='female')

df['Male'] = newdf['Title'].sum(newdf['Sex']=='male')
df['Female'] = newdf['Title'].sum(newdf['Sex']=='female')

    Age #People
Title       
Capt    70.000000   1
Col     54.000000   4
Sir     49.000000   1
Major   48.500000   2
Lady    48.000000   1
Dr      43.571429   7
....

df1 = (df.groupby('Title')['Age']
         .agg([('Age','mean'),('#People','size')])
         .sort_values(by='Age',ascending=False))

df2 = pd.crosstab(df['Title'], df['Sex']).add_suffix('_avg')

df = df1.join(df2)
print (df)
        Age  #People  female_avg  male_avg
Title                                     
Mrs    36.5        2           2         0
Mr     28.5        2           0         2
Miss   26.0        1           1         0