Я получаю ValueError: cannot reindex from a duplicate axis, когда пытаюсь установить индекс на определенное значение. Я попытался воспроизвести это с помощью простого примера, но я не мог этого сделать.
Вот моя сессия внутри трассировки ipdb. У меня есть DataFrame со строковым индексом и целыми столбцами, значениями float. Однако, когда я пытаюсь создать индекс sum для суммы всех столбцов, я получаю ошибку ValueError: cannot reindex from a duplicate axis. Я создал небольшой DataFrame с теми же характеристиками, но не смог воспроизвести проблему, что я мог потерять?
Я действительно не понимаю, что означает ValueError: cannot reindex from a duplicate axis, что означает это сообщение об ошибке? Возможно, это поможет мне диагностировать проблему, и это самая ответственная часть моего вопроса.
ipdb> type(affinity_matrix)
<class 'pandas.core.frame.DataFrame'>
ipdb> affinity_matrix.shape
(333, 10)
ipdb> affinity_matrix.columns
Int64Index([9315684, 9315597, 9316591, 9320520, 9321163, 9320615, 9321187, 9319487, 9319467, 9320484], dtype='int64')
ipdb> affinity_matrix.index
Index([u'001', u'002', u'003', u'004', u'005', u'008', u'009', u'010', u'011', u'014', u'015', u'016', u'018', u'020', u'021', u'022', u'024', u'025', u'026', u'027', u'028', u'029', u'030', u'032', u'033', u'034', u'035', u'036', u'039', u'040', u'041', u'042', u'043', u'044', u'045', u'047', u'047', u'048', u'050', u'053', u'054', u'055', u'056', u'057', u'058', u'059', u'060', u'061', u'062', u'063', u'065', u'067', u'068', u'069', u'070', u'071', u'072', u'073', u'074', u'075', u'076', u'077', u'078', u'080', u'082', u'083', u'084', u'085', u'086', u'089', u'090', u'091', u'092', u'093', u'094', u'095', u'096', u'097', u'098', u'100', u'101', u'103', u'104', u'105', u'106', u'107', u'108', u'109', u'110', u'111', u'112', u'113', u'114', u'115', u'116', u'117', u'118', u'119', u'121', u'122', ...], dtype='object')
ipdb> affinity_matrix.values.dtype
dtype('float64')
ipdb> 'sums' in affinity_matrix.index
False
Вот ошибка:
ipdb> affinity_matrix.loc['sums'] = affinity_matrix.sum(axis=0)
*** ValueError: cannot reindex from a duplicate axis
Я попытался воспроизвести это с помощью простого примера, но я потерпел неудачу
In [32]: import pandas as pd
In [33]: import numpy as np
In [34]: a = np.arange(35).reshape(5,7)
In [35]: df = pd.DataFrame(a, ['x', 'y', 'u', 'z', 'w'], range(10, 17))
In [36]: df.values.dtype
Out[36]: dtype('int64')
In [37]: df.loc['sums'] = df.sum(axis=0)
In [38]: df
Out[38]:
10 11 12 13 14 15 16
x 0 1 2 3 4 5 6
y 7 8 9 10 11 12 13
u 14 15 16 17 18 19 20
z 21 22 23 24 25 26 27
w 28 29 30 31 32 33 34
sums 70 75 80 85 90 95 100
Эта ошибка обычно возникает при присоединении/назначении столбцу, когда индекс имеет повторяющиеся значения. Поскольку вы назначаете строку, я подозреваю, что в affinity_matrix.columns есть дублирующее значение, возможно, не показано в вашем вопросе.
Как говорили другие, у вас, вероятно, есть двойные значения в вашем исходном индексе. Чтобы найти их, выполните следующие действия:
df[df.index.duplicated()]
Индексы с повторяющимися значениями часто возникают, если вы создаете DataFrame, объединяя другие DataFrames. ЕСЛИ вы не заботитесь о сохранении значений вашего индекса и хотите, чтобы они были уникальными значениями, когда вы объединяете данные, установите ignore_index=False.
В качестве альтернативы, чтобы перезаписать текущий индекс новым, вместо использования df.reindex() установите:
df.index = new_index
В моем случае у меня был дублированный столбец с тем же именем
Я столкнулся с этой ошибкой сегодня, когда хотел добавить новый столбец, подобный этому
df_temp['REMARK_TYPE'] = df.REMARK.apply(lambda v: 1 if str(v)!='nan' else 0)
Я хотел обработать столбец REMARK df_temp для возврата 1 или 0. Однако я набрал неверную переменную с помощью df. И он ответил на ошибку следующим образом:
----> 1 df_temp['REMARK_TYPE'] = df.REMARK.apply(lambda v: 1 if str(v)!='nan' else 0)
/usr/lib64/python2.7/site-packages/pandas/core/frame.pyc in __setitem__(self, key, value)
2417 else:
2418 # set column
-> 2419 self._set_item(key, value)
2420
2421 def _setitem_slice(self, key, value):
/usr/lib64/python2.7/site-packages/pandas/core/frame.pyc in _set_item(self, key, value)
2483
2484 self._ensure_valid_index(value)
-> 2485 value = self._sanitize_column(key, value)
2486 NDFrame._set_item(self, key, value)
2487
/usr/lib64/python2.7/site-packages/pandas/core/frame.pyc in _sanitize_column(self, key, value, broadcast)
2633
2634 if isinstance(value, Series):
-> 2635 value = reindexer(value)
2636
2637 elif isinstance(value, DataFrame):
/usr/lib64/python2.7/site-packages/pandas/core/frame.pyc in reindexer(value)
2625 # duplicate axis
2626 if not value.index.is_unique:
-> 2627 raise e
2628
2629 # other
ValueError: cannot reindex from a duplicate axis
Как вы можете видеть, правильный код должен быть
df_temp['REMARK_TYPE'] = df_temp.REMARK.apply(lambda v: 1 if str(v)!='nan' else 0)
Потому что df и df_temp имеют различное количество строк. Поэтому он возвратил ValueError: cannot reindex from a duplicate axis.
Надеюсь, вы сможете это понять, и мой ответ может помочь другим людям отладить свой код.