当我尝试从不同的表中添加一列时，我得到了这个错误。事实上，一路上我得到了重复的索引值。但事实证明我做错了:我实际上需要df。加入另一张桌子。

这个指针可以帮助处于类似情况的人。

我想用seaborn创建一个直方图。

sns.histplot(data=df, x='Blood Chemistry 1', hue='Outcome', discrete=False, multiple='stack')

我得到ValueError:不能从重复的轴重新索引。为了解决这个问题，我必须只选择x没有缺失值的行:

data = df[~df['Blood Chemistry 1'].isnull()]

在我的例子中，出现这个错误不是因为重复的值，而是因为我试图将一个更短的Series连接到一个Dataframe:两者具有相同的索引，但Series的行更少(缺少前几行)。以下方法对我来说是有效的:

df.head()
                          SensA
date                           
2018-04-03 13:54:47.274   -0.45
2018-04-03 13:55:46.484   -0.42
2018-04-03 13:56:56.235   -0.37
2018-04-03 13:57:57.207   -0.34
2018-04-03 13:59:34.636   -0.33

series.head()
date
2018-04-03 14:09:36.577    62.2
2018-04-03 14:10:28.138    63.5
2018-04-03 14:11:27.400    63.1
2018-04-03 14:12:39.623    62.6
2018-04-03 14:13:27.310    62.5
Name: SensA_rrT, dtype: float64

df = series.to_frame().combine_first(df)

df.head(10)
                          SensA  SensA_rrT
date                           
2018-04-03 13:54:47.274   -0.45        NaN
2018-04-03 13:55:46.484   -0.42        NaN
2018-04-03 13:56:56.235   -0.37        NaN
2018-04-03 13:57:57.207   -0.34        NaN
2018-04-03 13:59:34.636   -0.33        NaN
2018-04-03 14:00:34.565   -0.33        NaN
2018-04-03 14:01:19.994   -0.37        NaN
2018-04-03 14:02:29.636   -0.34        NaN
2018-04-03 14:03:31.599   -0.32        NaN
2018-04-03 14:04:30.779   -0.33        NaN
2018-04-03 14:05:31.733   -0.35        NaN
2018-04-03 14:06:33.290   -0.38        NaN
2018-04-03 14:07:37.459   -0.39        NaN
2018-04-03 14:08:36.361   -0.36        NaN
2018-04-03 14:09:36.577   -0.37       62.2

我在同一个问题上浪费了几个小时。在我的情况下，我必须在使用apply函数之前reset_index()的数据帧。 在合并或从另一个索引数据集查找之前，您需要重置索引，因为一个数据集只能有一个索引。

当我把2个数据帧追加到另一个(df3 = df1.append(df2))时，发生在我身上，所以输出是:

df1
    A   B
0   1   a
1   2   b
2   3   c

df2
    A   B
0   4   d
1   5   e
2   6   f

df3
    A   B
0   1   a
1   2   b
2   3   c
0   4   d
1   5   e
2   6   f

修复索引的最简单方法是使用“df。reset_index(drop=bool, inplace=bool)"方法，正如Connor所说…你也可以设置'drop'参数为True，以避免索引列表被创建为列，并设置'inplace'为True，使索引重置永久。

这里是官方参考:https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.reset_index.html

此外，还可以使用“。”Set_index (keys=list, inplace=bool)"方法，如下所示:

new_index_list = list(range(0, len(df3)))
df3['new_index'] = new_index_list 
df3.set_index(keys='new_index', inplace=True)

官方参考:https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.set_index.html

在我的例子中，这是由尺寸不匹配引起的:

在mul操作期间不小心使用了来自不同df的列