Pandas数据透视表值错误：索引包含重复项，无法重塑

Question

我有一个如下所示的数据帧（前3行）：

Sample_Name Sample_ID   Sample_Type IS  Component_Name  IS_Name Component_Group_Name    Outlier_Reasons Actual_Concentration    Area    Height  Retention_Time  Width_at_50_pct Used    Calculated_Concentration    Accuracy
Index                                                               
1   20170824_ELN147926_HexLacCer_Plasma_A-1-1   NaN Unknown True    GluCer(d18:1/12:0)_LCB_264.3    NaN NaN NaN 0.1 2.733532e+06    5.963840e+05    2.963911    0.068676    True    NaN NaN
2   20170824_ELN147926_HexLacCer_Plasma_A-1-1   NaN Unknown True    GluCer(d18:1/17:0)_LCB_264.3    NaN NaN NaN 0.1 2.945190e+06    5.597470e+05    2.745026    0.068086    True    NaN NaN
3   20170824_ELN147926_HexLacCer_Plasma_A-1-1   NaN Unknown False   GluCer(d18:1/16:0)_LCB_264.3    GluCer(d18:1/17:0)_LCB_264.3    NaN NaN NaN 3.993535e+06    8.912731e+05    2.791991    0.059864    True    125.927659773487    NaN

尝试生成透视表时：

^{pr2}$

我得到以下错误：

ValueError: Index contains duplicate entries, cannot reshape

但我没有尝试重置索引。我在“索引”列中找不到任何重复的值。有人能帮我找出这里的问题吗？在

预期的输出将是一个经过重塑的数据帧，其中只有唯一的组分名称作为列，并且每个样本名称各自的浓度为：

Sample_Name    GluCer(d18:1/12:0)_LCB_264.3    GluCer(d18:1/17:0)_LCB_264.3    GluCer(d18:1/16:0)_LCB_264.3
20170824_ELN147926_HexLacCer_Plasma_A-1-1    NaN    NaN    125.927659773487

澄清一下，我不是在收集数据，只是重塑它。在

Answer 1

您可以使用groupby()和unstack()来避免使用pivot()看到的错误。在

以下是一些示例数据，其中添加了一些边缘大小写，删除了一些列值或用MCVE替换：

# df
      Sample_Name  Sample_ID     IS Component_Name Calculated_Concentration Outlier_Reasons
Index                                                                    
1             foo        NaN   True              x                  NaN              NaN  
1             foo        NaN   True              y                  NaN              NaN 
2             foo        NaN   False             z            125.92766              NaN 
2             bar        NaN   False             x                 1.00              NaN  
2             bar        NaN   False             y                 2.00              NaN  
2             bar        NaN   False             z                  NaN              NaN  

(df.groupby(['Sample_Name','Component_Name'])
   .Calculated_Concentration
   .first()
   .unstack()
)

输出：

^{pr2}$

Answer 2

您应该能够通过使用文档中的pandas.pivot_table()功能来完成您想要做的事情here。在

将数据帧存储为df时，请使用以下代码：

import pandas as pd
df = pd.read_table('table_from_which_to_read')

new_df = pd.pivot_table(df,index=['Simple Name'], columns = 'Component_Name', values = "Calculated_Concentration")

如果您想要的不是浓度值的平均值，则需要更改aggfunc参数。在

编辑

因为您不想聚集这些值，所以您可以通过在DataFrame上使用set_index函数来重塑数据，并找到文档here。在

^{pr2}$

结果表应该看起来像您期望的结果，并且将有一个多索引。在