Pandas透视数据集时报多值错误：索引含重复条目无法重塑的问题咨询

Pandas 原生pivot方法有强制约束：设置为索引、列名的两个字段所组成的所有组合必须唯一，否则程序无法判断对应单元格应该填入哪个值，就会抛出ValueError: Index contains duplicate entries, cannot reshape错误。
你之前能正常运行的其他数据集，刚好满足「同一n值下所有V取值无重复」的要求；当前数据集存在同一n值下V重复的情况，因此触发报错。从数据规模换算也能验证：84组实验共4488行，平均每组约53个V点，只要存在重复V值，必然会破坏pivot要求的唯一组合规则。

方案1：绕开透视表操作，逐组遍历绘图（推荐） #

完全不需要做宽表转换，直接按n值分组逐组绘制序列，从逻辑上就不会触发唯一索引的限制，所有原始取值（包括重复的V、I点）都会被完整保留，绘图效果和你预期的多曲线同图完全一致：

import pandas as pd
import matplotlib.pyplot as plt

# 数据读取逻辑和你原有代码完全一致
f = "你的实验数据文件路径"
data = pd.read_csv(f, sep='\t', comment='#', names=['V','n','I'])

fig, ax = plt.subplots(figsize=(10, 6))
# 按n值分组遍历，逐组绘制V-I曲线
for n_val, cur_group in data.groupby('n'):
    cur_group.plot(
        x='V', 
        y='I', 
        ax=ax, 
        linewidth=1,
        label=f'n={int(n_val)}'
    )

ax.set_xlabel('V')
ax.set_ylabel('I')
# 84组图例设置为多列排布，避免遮挡绘图区域
ax.legend(loc='best', ncol=4, fontsize=8)
plt.tight_layout()
plt.show()

这个方案的优势：

• 完全适配所有数据结构，哪怕同一n组下存在上百个重复V值，也不会出现报错，所有原始点都会按顺序绘制
• 不做任何数值聚合、丢弃操作，100%保留所有实验取值
• 后续可以灵活给不同n值的曲线自定义颜色、透明度、线型，适配84组曲线的视觉区分需求

方案2：用pivot_table替代原生pivot，生成保留所有重复值的宽表 #

如果你后续需要用宽表结构做数据分析，可以用支持重复组合的pivot_table方法，通过自定义聚合函数保留所有重复的原始值，不会因为重复值丢失数据：

# 对（V,n）重复组合不做丢弃/聚合，把同位置的所有I值存为列表保留
data_wide = data.pivot_table(
    index='V',
    columns='n',
    values='I',
    # 自定义聚合逻辑：把同一(V,n)下的所有I值存为列表，不丢失任何原始值
    aggfunc=lambda val_list: list(val_list),
    sort=False
)

注意：这种方法生成的宽表单元格存的是列表结构，更适合后续数据处理场景，如果是绘图需求，优先选择方案1的逐组遍历方式，代码更简洁、性能更高。

可以运行以下代码确认重复的（V,n）组合数量，为后续数据排查提供参考：

# 统计所有重复的（V,n）组合行数
dup_count = data.duplicated(subset=['V', 'n']).sum()
print(f"当前数据集中共有 {dup_count} 条重复的（V,n）组合记录，这就是触发pivot报错的直接原因")

内容的提问来源于stack exchange，提问作者sleepy