Pandas中cannot reindex from a duplicate axis错误解决及分组滚动统计

嘿，我刚碰到过一模一样的问题，来给你捋捋怎么解决！

为啥会报错？ #

你遇到的ValueError: cannot reindex from a duplicate axis，说白了就是循环里赋值的时候出了问题：你用df.loc[df['Type'].eq(v)]筛出来的子集，带着原DataFrame的索引，当原数据有重复索引，或者Pandas在对齐索引时遇到重复匹配的情况，就会直接炸锅——它不知道该怎么把子集的结果对应到原表的每一行。

靠谱的解决办法 #

方法1：用groupby+transform（强烈推荐，不用写循环！） #

这是最简洁高效的方式，直接按Type分组后，用transform把滚动计算的结果自动对齐到原表的对应行：

# 计算分组后的15分钟滚动最大值
df['Prev15minMax'] = df.groupby('Type')['Last'].transform(
    lambda x: x.rolling('15min', min_periods=16).max()
)

# 计算分组后的15分钟滚动最小值
df['Prev15minMin'] = df.groupby('Type')['Last'].transform(
    lambda x: x.rolling('15min', min_periods=16).min()
)

要是你想给每个Type单独生成一列（比如Prev15minMax_Ada、Prev15minMax_Btc），可以这么搞：

# 先按Type分组计算滚动最大/最小值，再把结果拆成多列
roll_max = df.groupby('Type')['Last'].rolling('15min', min_periods=16).max().unstack('Type')
roll_min = df.groupby('Type')['Last'].rolling('15min', min_periods=16).min().unstack('Type')

# 给列名加上前缀，再合并回原表
roll_max.columns = [f'Prev15minMax_{col}' for col in roll_max.columns]
roll_min.columns = [f'Prev15minMin_{col}' for col in roll_min.columns]

df = df.join(roll_max).join(roll_min)

方法2：修复你的循环代码 #

要是你非得用循环，那得处理好索引对齐的问题，用reindex把结果扩展到原表的所有行，空的地方填NaN：

for v in df['Type'].unique():
    # 计算当前Type的滚动最大值，重新索引到原表的索引
    max_series = df.loc[df['Type'].eq(v), 'Last'].rolling('15min', min_periods=16).max()
    df[f'Prev15minMax_{v}'] = max_series.reindex(df.index)
    
    # 同理处理最小值
    min_series = df.loc[df['Type'].eq(v), 'Last'].rolling('15min', min_periods=16).min()
    df[f'Prev15minMin_{v}'] = min_series.reindex(df.index)

这样Pandas就不会因为索引对齐出问题了，因为reindex确保了新生成的Series和原表索引完全一致。

几个要注意的点 #

• 一定要确保你的Timestamp列是DataFrame的索引，或者在rolling里加上on='Timestamp'参数，不然Pandas认不出时间窗口：

  # 如果Timestamp不是索引，必须加on参数
  df.groupby('Type')['Last'].transform(
      lambda x: x.rolling('15min', min_periods=16, on='Timestamp').max()
  )
  

• min_periods要跟你的数据频率匹配，比如每分钟一条数据的话，15分钟窗口设min_periods=16就是要至少16条数据才计算，否则返回NaN；要是你的数据是其他频率，得对应调整这个数值。

内容的提问来源于stack exchange，提问作者KSp