如何通过添加数字后缀解决.unstack()的ValueError重复索引问题

我明白你遇到的困扰了——用unstack()转换时间序列数据时，因为存在重复的(date, symbol)组合，导致抛出ValueError，而且之前找的重复问题解决方案没帮到你。别担心，咱们可以通过给重复的symbol添加数字后缀的方式来处理，一步步来：

步骤1：标记每组内的重复序号 #

首先，我们需要识别出每个(date, symbol)组合下的重复行，给它们打上序号标签：

# 按date和symbol分组，给每组内的行从1开始计数
df['dup_num'] = df.groupby(['date', 'symbol']).cumcount() + 1

cumcount()会给每组内的行从0开始递增加数，加1后让序号从1开始，这样组内第一行是1，第二行（重复项）是2，以此类推。

步骤2：给重复的symbol添加数字后缀 #

接下来，我们把序号拼接在重复项的symbol名称上，唯一的项保持原样：

import numpy as np
# 只有组内序号>1的行，才给symbol添加_数字后缀
df['symbol'] = np.where(
    df['dup_num'] > 1,
    df['symbol'] + '_' + df['dup_num'].astype(str),
    df['symbol']
)

比如同一日期下出现两次的ACA，会被改成ACA和ACA_2，这样就彻底解决了索引重复的问题。

步骤3：转换为目标宽格式 #

现在可以放心地用unstack()转换格式了，记得填充缺失值为NaN：

# 先把date和处理后的symbol设为索引，提取close列后unstack
result_df = df.set_index(['date', 'symbol'])['close'].unstack(fill_value=np.nan)

如果你的close列是带逗号的字符串（比如132,1），建议先转换成数值类型，避免后续操作出问题：

df['close'] = df['close'].str.replace(',', '.').astype(float)

这样处理后，你就能得到想要的宽格式数据，每个重复的symbol会以symbol_数字的形式作为列名，完美避开unstack的索引重复问题。

内容的提问来源于stack exchange，提问作者toyo10