Pandas执行pivot时报错Index contains duplicate entries无法重塑如何解决

调用pivot()方法抛出该错误的核心原因是*protocol_no与activity的组合存在重复条目*：

• 协议号1586212下存在2条activity=drive的记录
• 协议号2547852下存在2条activity=eat的记录
  pivot()要求每一组「行索引+列索引」的组合唯一，否则无法确定单元格对应的取值，因此触发报错，该报错与字段是字符串或数值类型无关。

你给出的预期输出是保留重复组合的第一条description，可以用以下两种方式实现：

方案1：使用pivot_table()（推荐，适配重复值场景） #

pivot_table()支持自定义聚合规则处理重复值，指定aggfunc='first'即可保留每个组合的第一条记录：

# 生成宽表
result = df.pivot_table(
    index="protocol_no",
    columns="activity",
    values="description",
    aggfunc="first"
).reset_index()

如果需要将同一个组合的多个描述拼接起来，可以修改聚合规则：

# 多个描述用顿号拼接
result = df.pivot_table(
    index="protocol_no",
    columns="activity",
    values="description",
    aggfunc=lambda x: "、".join(x.dropna())
).reset_index()

方案2：先去重再调用pivot() #

先对重复的protocol_no+activity组合去重，再执行原有pivot逻辑：

# 去重，保留每组第一条记录
df_dedup = df.drop_duplicates(subset=["protocol_no", "activity"], keep="first")
# 执行pivot转换
result = df_dedup.pivot(index="protocol_no", columns="activity", values="description").reset_index()

两种方案均可以得到你给出的预期输出结构。

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