pivot_table报“Index contains duplicate entries”错误是因为未指定aggfunc处理重复索引组合，需显式设置如sum、mean等；values必须为字段名而非表达式；保序需用Categorical或预排序；margins和fill_value会显著降低性能。
为什么 pivot_table 报 “Index contains duplicate entries” 错误
这不是数据“有问题”，而是你没告诉 Pandas 如何处理同一组索引+列组合下多个值的情况。默认情况下，pivot_table 要求每个 index 和 columns 的组合唯一，否则就炸。
- 常见场景：原始数据里有重复的
['date', 'category']组合，比如同一天同一品类卖了多笔订单 - 解决办法：必须显式指定
aggfunc，比如aggfunc='sum'、aggfunc='mean'或自定义函数 - 别偷懒写
aggfunc=None—— 这不会跳过校验，反而会触发更模糊的报错 - 如果真想保留所有行（不聚合），该用
pivot，但前提是你确认组合唯一；否则先用groupby预聚合更稳妥
pivot_table 的 values 参数到底填什么
values 不是可选项，是聚合目标字段——它决定最终透视表里每个格子填什么数字。漏填或填错类型，结果就完全不对。
- 填单个字段名：
values='sales'→ 每格显示该分组下sales的聚合值 - 填多个字段名：
values=['sales', 'profit']→ 会为每个字段分别生成一整套列，列名自动加前缀（如sales_sum、profit_mean） - 不能填计算表达式：
values=df['sales']*1.1是错的，得先算好新列再传字段名 - 如果
values字段含空值，默认被aggfunc忽略（比如sum会跳过NaN），不用提前dropna
如何让透视表保留原始分类顺序（不是字母序）
Pandas 默认按字典序排 index 和 columns，但业务上常需要按时间、优先级或录入顺序来排。靠 sort=False 不够，得从源头控制。
- 对字符串类字段：把对应列转成
Categorical，并指定categories列表，例如：df['region'] = pd.Categorical(df['region'], categories=['East', 'West', 'North']) - 对日期字段：确保是
datetime类型，pivot_table会自然按时间升序；降序就先sort_values再透视 -
sort=False只禁用内置排序，不恢复原始出现顺序；真正保序得靠Categorical或预排序 - 注意：
columns和index同时要保序，就得两边都做同样处理
性能差？可能是 margins=True 或 fill_value 拖慢了
加总计行/列和填空值看着方便，但底层会触发额外 groupby 和广播操作，尤其在大表上延迟明显。
立即学习“Python免费学习笔记（深入）”；
-
margins=True会让 Pandas 多做至少一次全表聚合，100 万行以上建议手动用pd.concat拼合计行 -
fill_value=0看似简单，实则强制将结果转为 dense array，稀疏透视结果（比如大量NaN）会被撑大数倍内存 - 如果只是想避免
NaN显示，用df.fillna(0)后处理更轻量 - 验证方式：对同样数据，关掉
margins和fill_value，用%timeit对比耗时
最易被忽略的是：当 index 或 columns 中任一字段存在未参与聚合的缺失值（NaN），pivot_table 默认会直接丢弃整行——这个行为不报错也不警告，但统计口径就悄悄变了。
