“ValueError:无法从重复轴重新编制索引”是什么意思？

Question

当我试图将索引设置为某个值时，我得到了一个ValueError：无法从重复轴重新索引。我试图用一个简单的例子来重现这一点，但我做不到。

这是我在ipdb跟踪中的会话。我有一个带有字符串索引、整数列和浮点值的数据帧。但是，当我尝试为所有列的总和创建sum索引时，我得到的ValueError:无法从重复轴重新编制索引错误。我创建了一个具有相同特征的小数据帧，但无法重现问题，我会错过什么？

我真的不明白什么是ValueError:cannot reindex from a replicate axis的意思，这个错误消息是什么意思？也许这会帮助我诊断问题，这是我问题中最值得回答的部分。

ipdb> type(affinity_matrix)
<class 'pandas.core.frame.DataFrame'>
ipdb> affinity_matrix.shape
(333, 10)
ipdb> affinity_matrix.columns
Int64Index([9315684, 9315597, 9316591, 9320520, 9321163, 9320615, 9321187, 9319487, 9319467, 9320484], dtype='int64')
ipdb> affinity_matrix.index
Index([u'001', u'002', u'003', u'004', u'005', u'008', u'009', u'010', u'011', u'014', u'015', u'016', u'018', u'020', u'021', u'022', u'024', u'025', u'026', u'027', u'028', u'029', u'030', u'032', u'033', u'034', u'035', u'036', u'039', u'040', u'041', u'042', u'043', u'044', u'045', u'047', u'047', u'048', u'050', u'053', u'054', u'055', u'056', u'057', u'058', u'059', u'060', u'061', u'062', u'063', u'065', u'067', u'068', u'069', u'070', u'071', u'072', u'073', u'074', u'075', u'076', u'077', u'078', u'080', u'082', u'083', u'084', u'085', u'086', u'089', u'090', u'091', u'092', u'093', u'094', u'095', u'096', u'097', u'098', u'100', u'101', u'103', u'104', u'105', u'106', u'107', u'108', u'109', u'110', u'111', u'112', u'113', u'114', u'115', u'116', u'117', u'118', u'119', u'121', u'122', ...], dtype='object')

ipdb> affinity_matrix.values.dtype
dtype('float64')
ipdb> 'sums' in affinity_matrix.index
False

以下是错误：

ipdb> affinity_matrix.loc['sums'] = affinity_matrix.sum(axis=0)
*** ValueError: cannot reindex from a duplicate axis

我试图用一个简单的例子来重现这一点，但失败了

In [32]: import pandas as pd

In [33]: import numpy as np

In [34]: a = np.arange(35).reshape(5,7)

In [35]: df = pd.DataFrame(a, ['x', 'y', 'u', 'z', 'w'], range(10, 17))

In [36]: df.values.dtype
Out[36]: dtype('int64')

In [37]: df.loc['sums'] = df.sum(axis=0)

In [38]: df
Out[38]: 
      10  11  12  13  14  15   16
x      0   1   2   3   4   5    6
y      7   8   9  10  11  12   13
u     14  15  16  17  18  19   20
z     21  22  23  24  25  26   27
w     28  29  30  31  32  33   34
sums  70  75  80  85  90  95  100

Answer 1

如果通过连接其他DataFrame创建DataFrame，则经常会出现具有重复值的索引。如果您不关心保留索引的值，并且希望它们是唯一的值，那么在连接数据时，请设置ignore_index=True。

或者，要用新索引覆盖当前索引，而不是使用df.reindex（），请设置：

df.index = new_index

Answer 2

正如其他人所说，在原始索引中可能有重复的值。要找到他们这样做：

df[df.index.duplicated（）]

Answer 3

当索引具有重复值时，当您加入/分配到列时，此错误通常会出现。由于您正在为一行赋值，我怀疑亲和性矩阵中有重复的值。列，可能在您的问题中没有显示。