Pandas按行值填充列：DataFrame转宽格式遇ValueError报错求助

嘿，我之前也碰到过这个报错，本质原因是你手动用loc提取数据时，得到的Series索引和目标final_df的索引不匹配，加上原数据是按重复的key组（每4行对应一个接口的完整信息）排列的，手动逐列赋值很容易踩索引的坑。咱们换个更靠谱的方式来处理这种长格式转宽格式的需求：

核心思路：先分组，再转宽格式 #

原数据里每4行是一个接口的完整信息（Interface/State/Line Status/ID），所以首先要给每个接口组分配一个唯一的分组ID，然后用pivot（或pivot_table）直接转成你要的宽格式。

具体代码实现 #

import pandas as pd

# 你的原始DataFrame（模拟）
commands_df = pd.DataFrame({
    'key': ['Interface', 'State', 'Line Status', 'ID', 'Interface', 'State', 'Line Status', 'ID'],
    'values': ['InterfaceA', 'Up', 'Up', '9000', 'InterfaceB', 'Down', 'Down', '9001']
})

# 生成分组ID：每遇到'Interface'就开启一个新分组
commands_df['group_id'] = commands_df['key'].eq('Interface').cumsum()

# 使用pivot转宽格式
final_df = commands_df.pivot(
    index='group_id',  # 分组ID作为行索引
    columns='key',     # key列作为新的列名
    values='values'    # values列作为对应单元格的值
).reset_index(drop=True)  # 去掉分组ID列

# 可选：调整列顺序和你期望的一致
final_df = final_df[['Interface', 'State', 'Line Status', 'ID']]

print(final_df)

运行后就能得到你想要的结果：

Interface State Line Status    ID
0  InterfaceA    Up          Up  9000
1  InterfaceB  Down        Down  9001

为什么你的原代码会报错？ #

你原代码里：

final_df['Interface'] = commands_df.loc[commands_df['key'].str.contains('Interface'), 'values']

这一步得到的Series索引是原DataFrame的0,4，而当你给final_df['State']赋值时，提取的Series索引是1,5。如果final_df的索引是0,1，就会出现索引不匹配的情况，pandas无法自动对齐重复/不对应的索引，所以抛出ValueError: cannot reindex from a duplicate axis。

另一种可选实现方式（用groupby） #

如果你偏好groupby的写法，也可以这样：

final_df = commands_df.groupby(commands_df['key'].eq('Interface').cumsum()).apply(
    lambda group: pd.Series(group['values'].values, index=group['key'].values)
).reset_index(drop=True)

这种方式和pivot的效果完全一致，都是先分组再把每组的key转成列、values转成对应的值。

内容的提问来源于stack exchange，提问作者ReverseEngineer