pivot_table报“no numeric types”因values未指定或非数值型，需检查dtype并用pd.to_numeric强转；index/columns/values须互斥；笛卡尔积致nan，应选低基数字段或设dropna=true、fill_value=0；多列聚合须values与aggfunc字典键完全匹配。

直接用 pandas.DataFrame.pivot_table 就能实现，但默认行为常导致 KeyError 或空值爆炸，关键在理解 index、columns、values 三者必须互斥且覆盖所有非聚合列。

为什么 pivot_table 报错 “No numeric types to aggregate”

这是最常见误判：你没指定 values，或指定的列全是字符串/类别型，而 pandas 默认对 values 列做 np.mean（只接受数字）。它不会自动跳过、也不会报“列不存在”，而是静默失败。

• 检查 df[你的values列名].dtype，确认是 int64、float64 等数值类型
• 若该列含缺失或混合类型，先用 pd.to_numeric(df['col'], errors='coerce') 强转
• 明确传入 aggfunc，比如 aggfunc='count' 或 aggfunc=lambda x: x.nunique()，避免依赖默认均值

index/columns/values 选错会导致行/列爆炸或 NaN 满天飞

根本原因是 pandas 把 index 和 columns 的笛卡尔积作为结果索引——只要某组组合在原始数据中不存在，对应单元格就是 NaN。这不是 bug，是设计逻辑。

python-script-generator

快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。

下载

• 确保 index 和 columns 是低基数（cardinality）字段，比如 ['region', 'year'] 比 ['user_id', 'timestamp'] 更安全
• 如果只想看实际存在的组合，加参数 dropna=True（注意：这是 pandas 1.5+ 才支持的选项）
• 想填充缺失值，别用 fillna() 后处理，直接在 pivot_table 里加 fill_value=0，否则 NaN 可能干扰后续计算

aggfunc 用字典指定多列不同聚合方式时的坑

当你写 aggfunc={'sales': 'sum', 'orders': 'count'}，看起来很清晰，但实际会触发两个隐式限制：

• 所有被字典键命中的列，必须同时出现在 values 中；否则报 KeyError
• 未被字典覆盖的 values 列，会统一用第一个字典值聚合（不是忽略！），极易导致逻辑错误
• 更稳妥写法是显式列出全部 values 并配齐字典项：values=['sales', 'orders'], aggfunc={'sales': 'sum', 'orders': 'count'}

真正麻烦的不是语法，而是原始数据里存在重复 (index, columns) 组合却没指定 aggfunc——这时候 pandas 会静默丢弃重复行，而不是报错提醒你该聚合。务必先 df.groupby([index_cols, columns_cols]).size().value_counts() 看下分布。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！