Python中Pandas多列分组转source为列时遇索引报错问题

看起来你想要把按year、month分组后，将source作为列展示各分组的计数，但遇到了索引重复的问题。我来帮你分析原因并给出解决方案：

错误原因 #

这个报错的核心是：当执行pivot_table时，要么你的原始DataFrame本身的索引存在重复值，要么在按index=['year','month']和columns='source'分组后，出现了重复的(索引, 列)组合，导致Pandas无法完成重索引操作。

解决方案 #

这里有两种可靠的处理方式：

方式一：明确指定聚合的字段（简化pivot_table）

默认情况下，pivot_table会对所有数值型字段执行聚合操作，可能引发层级列的问题。你可以指定一个确定存在的字段（比如year）作为values参数，确保聚合逻辑单一：

import numpy as np
import pandas as pd

# 修改后的pivot_table代码
result = df.pivot_table(
    index=['year', 'month'],
    columns='source',
    values='year',  # 指定任意存在的字段即可，用于计数
    aggfunc=np.size,
    fill_value=0
)

方式二：分步分组+转置（更稳妥）

先通过groupby得到唯一的(year, month, source)分组计数，再将source转为列，彻底避免索引重复问题：

# 第一步：按三个字段分组，计算每组的行数
grouped_df = df.groupby(['year', 'month', 'source']).size().reset_index(name='count')

# 第二步：将source转为列，填充空值为0
result = grouped_df.pivot(
    index=['year', 'month'],
    columns='source',
    values='count'
).fillna(0).astype(int)  # 转为整数类型更符合计数场景

额外检查步骤 #

如果以上方法还是报错，先检查你的原始DataFrame是否有重复索引：

# 检查是否存在重复索引
print(df.index.duplicated().any())

# 如果有重复索引，先重置索引
df = df.reset_index(drop=True)

这样处理后，你就能得到预期的、以year+month为索引、source为列的计数表格了。

内容的提问来源于stack exchange，提问作者HHH