Pandas 错误：索引包含重复条目，无法重塑

Question

我的问题似乎重复，因为我发现不同的问题具有相同的错误，如下所示：

Pandas：根据值对列进行分组并创建新的列标题

Python/Pandas - ValueError：索引包含重复条目，无法重塑

Pandas 数据透视产生“ValueError：索引包含重复条目，无法重塑

我尝试了这些帖子中提出的所有解决方案，但没有一个有效。我相信该错误可能是由我的数据集格式引起的，该格式具有字符串而不是数字，并且可能存在重复的整体。以下是我的数据集的示例：

协议号	活动	描述
1586212	走	一天两次
1586212	驾驶	5公里
1586212	驾驶	至少30分钟
1586212	睡觉	南
1586212	吃	1500卡路里
2547852	走	南
2547852	驾驶	南
2547852	吃	3200卡路里
2547852	吃	避免面食
2547852	睡觉	至少10小时

我想要实现的输出是：

协议号	走	驾驶	睡觉	吃
1586212	一天两次	5公里	南	1500卡路里
2547852	南	南	3200卡路里	至少10小时

我尝试使用pivot和pivot_table，代码如下：

df.pivot(index="protocol_no", columns="activity", values="description")

但我仍然收到此错误：

ValueError: Index contains duplicate entries, cannot reshape

不知道出了什么问题，所以任何帮助都会有帮助！

编辑：

我注意到我的数据包含错误以及 @DYZ 和 @SeaBean 用户所述的重复整体。因此，我编辑了数据库示例，并为我的数据集提供了正确的答案。希望它能帮助某人。

Answer 1

如果在使用时遇到重复索引错误，请尝试使用.piviot_table()with （或类似的东西）aggfunc='first'.pivot()

df.pivot_table(index="protocol_no", columns="activity", values="description", aggfunc='first')

当您设置的列index具有重复值时，这是一种常见情况。使用aggfunc='first' （或有时aggfunc='sum'取决于条件）很可能可以解决问题。

结果：

activity    drive            eat              sleep         walk
protocol_no                                                     
1586212      5 km  1500 calories                NaN  twice a day
2547852       NaN  3200 calories  At least 10 hours          NaN

编辑

根据您最新编辑的重复条目，您可以通过更改上面的函数来修改上面的解决方案aggfunc，如下所示：

df.pivot_table(index="protocol_no", columns="activity", values="description", aggfunc=lambda x: ' '.join(x.dropna()))

在这里，我们将aggfuncfrom更改'first'为lambda x: ' '.join(x.dropna())。它无需添加多行代码即可实现与所需输出相同的结果。

结果：

activity                    drive                        eat              sleep         walk
protocol_no                                                                                 
1586212      5 km At least 30 min              1500 calories                     twice a day
2547852                            3200 calories Avoid pasta  At least 10 hours