“ValueError:无法从重复轴重新索引”，正在尝试分解列

Question

我正在尝试处理以下错误：ValueError: cannot reindex from a duplicate axis。 我的数据集看起来像

first_column   second_column   ... fifth_column                ... eleventh_column ...    Age
example 1       first ex           ['avers','aaa','hello']              41241              12
example 2       second ex           []                                  431                32
another         third ex           ['AA','B','C','aaa','hello']         21                 32
example 1       example           ['avers','aaa','hello']              41241              12

我想要这样的东西：

first_column   second_column   ... fifth_column  ... eleventh_column ...    Age
    example 1       first ex           avers              41241              12
    example 1       first ex           aaa                41241              12
    example 1       first ex           hello              41241              12
    example 2       second ex            nan                431              32
    another         third ex           AA                    21              32
    another         third ex           B                     21              32
    another         third ex           C                     21              32

    another         third ex           aaa                   21              32
    another         third ex           hello                 21              32

    example 1       example           avers               41241              12
    example 1       example           aaa                 41241              12
    example 1       example           hello               41241              12

根据我的理解，我应该申请explode：

df = df.loc[:,~df.columns.duplicated()]
df1=df.set_index('first_column').apply(pd.Series.explode).reset_index()
df1.fifth_column 

但是，我得到了一个错误：

ValueError: cannot reindex from a duplicate axis.

我做错了什么

Answer 1

如果没有熊猫数据帧格式的数据，很难进行检查，但看起来您正在将explode应用于整个数据帧，而您应该只将其应用于fifth_column。您需要传递列名才能作为参数分解df.explode('fifth_column')可能会出现在代码中的某个地方

Answer 2

除非您完全确定，否则通常不建议使用具有重复值的索引（如first_column），因为某些操作可能不支持该索引

由于看起来您正试图将索引重置为默认整数值，并仅使用set_index()删除df的“剩余”索引值，因此我建议如下：

df1 = df.apply(pd.Series.explode).set_index('first_column').reset_index()