我有一个包含 2,865,044 个条目和 3 级 MultiIndex 的数据框
MultiIndex.levels.names = ['year', 'country', 'productcode']
我正在尝试 reshape 数据框以生成宽数据框,但出现错误:
ReshapeError: Index contains duplicate entries, cannot reshape
我用过:
data[data.duplicated()]
识别导致错误的行,但它列出的数据似乎不包含任何重复项。
这导致我使用 to_csv() 导出我的数据框并在 Stata 中打开数据并使用 duplicates list 命令查找数据集不包含重复项(根据 stata)。
来自已排序的 csv 文件的示例:
year country productcode duplicate
1962 MYS 711 FALSE
1962 MYS 712 TRUE
1962 MYS 721 FALSE
我知道这是不可能的,但我想知道是什么原因造成的吗?每个索引列中的数据类型为['year': int; “国家”:海峡,“产品代码”:海峡]。 Pandas 如何定义独特的群体?列出有问题的索引行有更好的方法吗?
更新: 我试过重置索引
temp = data.reset_index()
dup = temp[temp.duplicated(cols=['year', 'country', 'productcode'])]
我得到了一个完全不同的列表!
year country productcode
1994 HKG 9710
1994 USA 9710
1995 HKG 9710
1995 USA 9710
更新 2 [28JUNE2013]:
在我的 IPython session 期间,这似乎是一个奇怪的内存问题。 今天早上的新实例似乎工作正常并 reshape 了数据,而无需对昨天的代码进行任何调整!如果问题再次出现,我会进一步调试并通知您。有人知道 IPython session 的良好调试器吗?
最佳答案
也许试试
cleaned = df.reset_index().drop_duplicates(df.index.names)
cleaned.set_index(df.index.names, inplace=True)
我认为索引中应该有一个duplicated
方法,现在还没有
关于python - df.duplicated() 误报?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17339363/