Pandas按IP分组计算事件间隔报错cannot reindex from a duplicate axis求解

• 核心触发条件是你的df1存在重复索引值，pandas将计算结果赋值回原DataFrame时需要按索引对齐，重复索引导致重排逻辑失败，抛出cannot reindex from a duplicate axis错误。
• 你的写法也存在隐含风险：直接对临时排序后的切片计算diff，返回的Series索引是排序后的顺序，和原df的索引顺序不匹配，叠加重复索引直接触发报错。

首先可以执行print(df1.index.has_duplicates)确认是否存在重复索引，若返回True先重置索引，再执行计算即可：

# 重置索引+排序，ignore_index=True直接生成新的连续无重复索引
df1 = df1.sort_values(['ip','timestamp'], ignore_index=True)
# 分组计算时间差
df1['diff'] = df1.groupby('ip')['timestamp'].diff()

如果你需要保留原df的行顺序，可使用transform实现索引对齐：

df1['diff'] = df1.sort_values(['ip','timestamp']).groupby('ip')['timestamp'].transform('diff')

无需依赖pandas，仅用标准库即可实现分组时间差计算：

from collections import defaultdict
from datetime import datetime

# 示例输入数据：每一项为(ip, 时间字符串/ datetime对象)
raw_data = [
    ("1.0.150.87", "2021-08-21 03:17:00"),
    ("1.0.150.87", "2021-08-21 03:17:00"),
    # 其余数据以此类推
]
# 时间字符串转datetime对象，若输入已经是datetime可跳过此步
processed_data = []
for ip, ts_str in raw_data:
    ts = datetime.strptime(ts_str, "%Y-%m-%d %H:%M:%S")
    processed_data.append((ip, ts))

# 按ip、时间排序
sorted_data = sorted(processed_data, key=lambda x: (x[0], x[1]))
last_ts_map = defaultdict(lambda: None)
result = []
for ip, ts in sorted_data:
    # 计算时间差，组内第一条数据差为None
    diff = ts - last_ts_map[ip] if last_ts_map[ip] is not None else None
    result.append({
        "ip": ip,
        "timestamp": ts,
        "diff": diff
    })
    last_ts_map[ip] = ts

内容的提问来源于stack exchange，提问作者Agenobarb