pivot_table报错因索引组合不唯一，需检查重复、指定aggfunc、用drop_duplicates或调整fill_value/dropna参数，多指标需字典配aggfunc，性能优化可设sort=false等。
为什么 pivot_table 一用就报 ValueError: Index contains duplicate entries
这不是数据“脏”，而是你没意识到：默认情况下 pivot_table 要求索引组合（即行+列交叉）必须唯一。一旦原始数据里有重复的 index + columns 组合，它就会直接报错，而不是帮你聚合。
实操建议：
- 先用
df.groupby(['A', 'B']).size()检查是否有重复组合 - 明确指定
aggfunc—— 即使只是想取第一个值，也要写成aggfunc='first'或aggfunc=np.min，不能留空 - 如果真要强制去重且不聚合，改用
df.drop_duplicates(subset=['A', 'B']).pivot(index='A', columns='B', values='C')，但注意这会丢数据
如何让 pivot_table 正确处理缺失值和空单元格
默认填充是 NaN，但很多场景下你需要的是 0、空字符串，或者干脆跳过某类缺失组合。关键在 fill_value 和 dropna 两个参数，它们作用完全不同。
实操建议：
-
fill_value=0只替换最终结果里的NaN，不影响分组计算过程 -
dropna=False才能让含NaN的原始字段（比如某列有空值）也参与行列展开；默认True会直接过滤掉整行 - 如果想对某列缺失单独处理，先用
df['col'].fillna('unknown')再透视，比靠fill_value更可控
多指标透视时，values 传列表还是单列？aggfunc 怎么配才不混乱
当你要同时看销量和利润的均值、总和，values 必须是列表，但 aggfunc 的写法决定输出结构是否可读——错配会导致列名嵌套混乱或报错。
实操建议：
- 单个聚合函数（如
aggfunc=np.sum）可直接写，结果列名为原字段名 - 多个函数必须用字典：
aggfunc={'sales': np.sum, 'profit': np.mean}，否则会广播出错 - 若要同一字段多种聚合，写成
aggfunc={'sales': ['sum', 'mean']}，此时列名自动变成MultiIndex，后续取列得用元组，比如result[('sales', 'sum')]
性能差？别急着换工具，先检查这几个参数
百万级数据跑 pivot_table 卡住，大概率不是 Pandas 不行，而是你触发了高开销路径：比如默认排序、冗余索引重建、或用了慢聚合函数。
实操建议：
- 加
sort=False—— 默认会对行/列索引排序，大数据下开销显著 - 避免用
aggfunc=lambda x: x.nlargest(1).iloc[0]这类自定义函数，换成内置的'first'或'last' - 如果只关心数值聚合，提前
select_dtypes(include=np.number)过滤非数值列，减少内存压力
真正难的不是语法，是搞清每一行数据在分组、展开、填充三个阶段里到底经历了什么。参数少一个，行为可能就偏出去很远。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
