重新索引具有重复索引值的数据框

Question

所以我将 4 个 csv 导入并合并到一个名为 data 的数据框中。但是，在检查数据帧的索引时：

index_series = pd.Series(data.index.values)
index_series.value_counts()

我看到多个索引条目有 4 个计数。我想完全重新索引数据数据帧，因此每一行现在都有一个唯一的索引值。我试过了：

data.reindex(np.arange(len(data)))

给出了错误 "ValueError: cannot reindex from a duplicate axis." google 搜索让我认为这个错误是因为最多有 4 行共享相同的索引值。知道如何在不删除任何行的情况下重新编制索引吗？我也不是特别关心行的顺序，因为我总是可以对它进行排序。

更新：所以最后我确实找到了一种重新索引的方法。

data['index'] = np.arange(len(data))
data = data.set_index('index')

据我了解，我只是在我的数据框中添加了一个名为 'index' 的新列，然后将该列设置为我的索引。至于我的 csv，它们是 this page of Lending Club loan stats 上 "download loan data" 下的四个 csv。

Answer 1

使用此示例数据很容易重现您的错误：

In [92]: data = pd.DataFrame( [33,55,88,22], columns=['x'], index=[0,0,1,2] )

In [93]: data.index.is_unique
Out[93]: False

In [94:] data.reindex(np.arange(len(data)))  # same error message

问题是因为 reindex 需要唯一的索引值。在这种情况下，您不想保留旧索引值，您只需要唯一的新索引值。最简单的方法是：

In [95]: data.reset_index(drop=True)
Out[72]: 
    x
0  33
1  55
2  88
3  22

请注意，如果您想保留旧的索引值，可以取消 drop=True。

重新索引具有重复索引值的数据框

Reindex a dataframe with duplicate index values

python

pandas

reindex