ValueError: Index contains duplicate entries, cannot reshape
pivot (sau unstack) a găsit mai multe rânduri pentru aceeași pereche rând-coloană din tabelul final și nu știe ce valoare să pună în celulă. Folosește pivot_table cu o agregare (aggfunc="sum" sau "mean") sau elimină duplicatele înainte.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
df.pivot(index="elev", columns="materie", values="nota") doar rearanjează datele: fiecare pereche (elev, materie) devine o celulă. Funcționează numai dacă fiecare pereche apare cel mult o dată. Dacă Ana are două note la matematică, celula (Ana, Matematică) ar trebui să conțină două valori, iar pivot nu face calcule, deci se oprește.
pivot_table face același lucru, dar agregă valorile care cad în aceeași celulă, cu funcția din aggfunc (implicit media). E alegerea potrivită pentru datele reale, unde duplicatele sunt normale: mai multe vânzări pe zi, mai multe note pe materie.
Dacă duplicatele nu ar trebui să existe, verifică-le: df[df.duplicated(["elev", "materie"], keep=False)]. Aceeași eroare apare la unstack() pe o Series cu index dublat.
De ce apare: cauzele frecvente
1Mai multe valori pe aceeași celulă
t = df.pivot(index="oras", columns="luna", values="suma")t = df.pivot_table(index="oras", columns="luna", values="suma", aggfunc="sum")Mai multe vânzări în același oraș și aceeași lună se adună într-o singură celulă.
2Rânduri duplicate din export
t = df.pivot(index="elev", columns="materie", values="nota")df = df.drop_duplicates()
t = df.pivot(index="elev", columns="materie", values="nota")Dacă duplicatele sunt identice și apar din greșeală (export dublat), le elimini, iar pivot merge.
3unstack după un index cu dubluri
s = df.set_index(["oras", "categorie"])["suma"]
print(s.unstack())s = df.groupby(["oras", "categorie"])["suma"].sum()
print(s.unstack())groupby adună întâi valorile cu aceeași pereche, deci indexul devine unic și unstack poate rearanja.
Repară eroarea, direct în pagină
Tabelul are vânzările pe oraș și lună, cu mai multe vânzări în aceeași lună și același oraș. pivot dă ValueError: Index contains duplicate entries, cannot reshape. Repară-l ca să afișeze un tabel oraș × lună cu suma vânzărilor din fiecare celulă.
import pandas as pd
df = pd.DataFrame({
"oras": ["Cluj", "Cluj", "Iași", "Cluj", "Iași", "Iași"],
"luna": ["ian", "ian", "ian", "feb", "feb", "feb"],
"suma": [1200, 300, 800, 950, 400, 250],
})
t = df.pivot(index="oras", columns="luna", values="suma")
print(t[["ian", "feb"]])luna ian feb oras Cluj 1500 950 Iași 800 650
Indiciu
Folosește pivot_table cu aggfunc="sum".
Reparația
import pandas as pd
df = pd.DataFrame({
"oras": ["Cluj", "Cluj", "Iași", "Cluj", "Iași", "Iași"],
"luna": ["ian", "ian", "ian", "feb", "feb", "feb"],
"suma": [1200, 300, 800, 950, 400, 250],
})
t = df.pivot_table(index="oras", columns="luna", values="suma", aggfunc="sum")
print(t[["ian", "feb"]])De ce merge
Clujul are două vânzări în ianuarie, iar Iașiul două în februarie, deci celulele (Cluj, ian) și (Iași, feb) ar avea câte două valori. pivot nu face calcule și se oprește. pivot_table cu aggfunc="sum" adună valorile din aceeași celulă: Cluj are 1500 în ianuarie, Iași 650 în februarie.
Alte forme ale mesajului
ValueError: Index contains duplicate entries, cannot reshape
Cum o eviți pe viitor
- Pentru date reale (tranzacții, note, evenimente), folosește
pivot_tablecuaggfuncexplicit. - Păstrează
pivotpentru tabelele în care fiecare pereche apare garantat o singură dată. - Înainte de
pivot, verifică dublurile:df.duplicated(["index", "coloana"]).sum(). - Pentru numărări,
pd.crosstabe și mai simplu.
Întrebări frecvente
Care e diferența dintre pivot și pivot_table?
pivot doar mută valorile, fără calcule, și cere perechi unice. pivot_table grupează și agregă (media implicit, sau sum, count, max...), deci acceptă duplicate și are opțiuni ca margins=True pentru totaluri.
Ce agregare aleg?
Depinde de sens: pentru sume de bani sau cantități, sum; pentru note sau prețuri, mean; pentru câte înregistrări sunt, count. Dacă nu specifici, pivot_table calculează media, ceea ce pentru vânzări e de obicei greșit.
Erori înrudite
TypeError: dtype 'str' does not support operation 'mean' Ai aplicat groupby(...).mean() pe tot tabelul, iar pandas încearcă să calculeze media și pentru coloanele de text (nume, oraș). Alege coloana numerică pe care o agregi, df.groupby("dep")["salariu"].mean(), sau adaugă numeric_only=True. KeyError: 'Column not found: valoare' După groupby ai cerut coloana 'valoare', dar ea nu există în DataFrame: e scrisă altfel sau încă nu ai creat-o. Creează coloana înainte de grupare (df["valoare"] = df["cantitate"] * df["pret"]) sau folosește numele exact din df.columns. 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.
