ValueError: cannot reindex on an axis with duplicate labels
pandas trebuia să alinieze date după index, dar indexul are etichete repetate (de ex. două rânduri cu eticheta 0, de obicei după un concat fără ignore_index=True). Fă indexul unic (reset_index(drop=True) sau ignore_index=True la concat) sau atribuie valorile fără aliniere, cu .to_numpy().
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Multe operații din pandas aliniază după index: când scrii df["col"] = serie, valorile nu se pun în ordine, ci fiecare rând din df primește valoarea cu aceeași etichetă din serie. La fel reindex, unele operații aritmetice între serii și unele concat-uri pe coloane. Dacă indexul are etichete duplicate, pandas nu știe care dintre rândurile cu eticheta 0 corespunde cu care, și ridică eroarea.
Indexul cu duplicate apare aproape mereu dintr-un pd.concat([a, b]) fără ignore_index=True (fiecare tabel începe de la 0), dintr-un set_index pe o coloană cu valori repetate sau dintr-un explode. Verifică cu df.index.is_unique (sau df.index.duplicated().any()) pe ambele obiecte implicate.
De ce apare: cauzele frecvente
1Concat fără ignore_index, apoi atribuire
toate = pd.concat([ian, feb])
toate["tva"] = toate["suma"].apply(calc_tva) # ok
toate["rang"] = rang_serie # index duplicattoate = pd.concat([ian, feb], ignore_index=True)
toate["rang"] = rang_serieCu ignore_index=True, rândurile primesc etichete noi 0, 1, 2..., unice, iar alinierea funcționează.
2Seria atribuită are index duplicat
df["bonus"] = bonusuri # bonusuri are indexul [0, 0, 1]df["bonus"] = bonusuri.to_numpy().to_numpy() elimină indexul, iar valorile se pun pe rânduri în ordine (lungimile trebuie să fie egale).
3reindex pe un index cu duplicate
s = pd.Series([1, 2], index=["a", "a"])
s.reindex(["a", "b"])s = pd.Series([1, 2], index=["a", "a"])
s.groupby(level=0).sum().reindex(["a", "b"])Combină întâi etichetele repetate (sumă, prima valoare etc.), apoi reindexează pe un index unic.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: cannot reindex on an axis with duplicate labels. Tabelele din ianuarie și februarie au fost lipite fără index nou. Repară concat ca indexul să fie unic, apoi afișează indexul și locul fiecărei vânzări în clasament (coloana loc, calculată pe tabelul sortat).
import pandas as pd
ian = pd.DataFrame({"client": ["Ana", "Dan"], "suma": [120, 80]})
feb = pd.DataFrame({"client": ["Ioana", "Mihai"], "suma": [200, 50]})
toate = pd.concat([ian, feb])
sortat = toate.sort_values("suma", ascending=False)
sortat["loc"] = range(1, len(sortat) + 1)
toate["loc"] = sortat["loc"]
print(toate.index.tolist())
print(toate["loc"].tolist())[0, 1, 2, 3] [2, 3, 1, 4]
Indiciu
pd.concat(..., ignore_index=True) numerotează rândurile din nou de la 0.
Reparația
import pandas as pd
ian = pd.DataFrame({"client": ["Ana", "Dan"], "suma": [120, 80]})
feb = pd.DataFrame({"client": ["Ioana", "Mihai"], "suma": [200, 50]})
toate = pd.concat([ian, feb], ignore_index=True)
sortat = toate.sort_values("suma", ascending=False)
sortat["loc"] = range(1, len(sortat) + 1)
toate["loc"] = sortat["loc"]
print(toate.index.tolist())
print(toate["loc"].tolist())De ce merge
Fiecare tabel avea indexul 0, 1, deci după concat indexul era 0, 1, 0, 1. Coloana loc e calculată pe tabelul sortat, iar la copierea înapoi în toate pandas potrivește rândurile după index și nu poate potrivi etichetele repetate. Cu ignore_index=True, rândurile primesc indexul 0, 1, 2, 3, unic, iar fiecare loc în clasament (1 = cea mai mare sumă) ajunge pe rândul lui.
Alte forme ale mesajului
ValueError: cannot reindex on an axis with duplicate labels
Cum o eviți pe viitor
- La
pd.concatpe rânduri pune aproape mereuignore_index=True. - După operații care pot repeta etichete (
concat,explode,set_index), verificădf.index.is_unique. - Când valorile sunt deja în ordinea corectă, atribuie-le cu
.to_numpy(). - Dacă duplicatele sunt de fapt greșeli, elimină-le:
df[~df.index.duplicated()].
Întrebări frecvente
De ce operația merge pe un tabel și nu pe altul?
Eroarea apare doar când indexul are duplicate și operația trebuie să alinieze. Același cod merge pe un tabel citit direct din CSV (index 0, 1, 2... unic) și pică după un concat care a repetat etichetele.
E aceeași eroare cu Reindexing only valid with uniquely valued Index objects?
Sunt înrudite: amândouă spun că alinierea are nevoie de etichete unice. InvalidIndexError: Reindexing only valid... apare de obicei la pd.concat(..., axis=1) sau când coloanele au nume duplicate.
Erori înrudite
pandas.errors.InvalidIndexError: Reindexing only valid with uniquely valued Index objects pd.concat trebuia să alinieze tabelele, dar unul dintre ele are etichete repetate: de obicei două coloane cu același nume (după un rename) sau, la axis=1, un index cu valori duplicate. Găsește dublura cu df.columns[df.columns.duplicated()] și redenumește sau elimină coloana în plus. ValueError: Length of values (3) does not match length of index (4) Atribui unei coloane o listă (sau un array) cu alt număr de valori decât rândurile DataFrame-ului: aici 3 valori pentru 4 rânduri. Dă câte o valoare pentru fiecare rând sau, mai sigur, construiește coloana din datele existente (map cu un dicționar, merge). AttributeError: 'DataFrame' object has no attribute 'append' Metoda DataFrame.append a fost scoasă din pandas 2.0. Pentru a lipi tabele unul sub altul folosește pd.concat([df1, df2], ignore_index=True); pentru rânduri adăugate într-o buclă, strânge-le într-o listă și construiește tabelul o singură dată la final. Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
