Python聚合分数结果DataFrame后重置索引报错的解决方案：ValueError: cannot insert score, already exists

你遇到的ValueError: cannot insert score, already exists报错，本质是列名冲突导致的。咱们来拆解一下问题出在哪，再给你几个简单的解决方案：

问题根源 #

你原来的代码中：

df = df.groupby(['score'])['score'].count()

这行代码会生成一个Series，它的索引是score值，而Series本身的名字也是score（因为你聚合的是score列的count）。当你调用reset_index()时，Pandas会把索引（原score值）转换成一列，列名默认也是score，但此时Series本身已经有一个叫score的“列名”了，所以就会触发重复插入的错误。

解决方案 #

这里有三种简单可行的方式，任选其一都能得到你想要的Score+count格式的DataFrame：

方案1：聚合时重命名结果列

在count()之后用rename()给结果列指定新名字，避免和索引转成的列冲突：

# 先筛选score列，分组计数后重命名，再重置索引
df = df[['score']].groupby(['score'])['score'].count().rename('count').reset_index()
# 如果需要把列名改成大写的Score，可以再加一步
df.rename(columns={'score': 'Score'}, inplace=True)

方案2：用value_counts()（最简洁）

Pandas的value_counts()方法本来就是用来统计列值出现次数的，一步到位：

# 直接统计score的出现次数，重置索引后重命名列
df = df['score'].value_counts().reset_index()
df.columns = ['Score', 'count']

注：value_counts()默认是降序排列，刚好符合你示例中从10到7的顺序，如果需要升序可以加.sort_index()

方案3：用agg()明确指定聚合列名

这种方式可读性更强，适合以后需要添加更多聚合逻辑的场景：

df = df.groupby('score').agg(count=('score', 'count')).reset_index()
df.rename(columns={'score': 'Score'}, inplace=True)

这里agg(count=('score', 'count'))的意思是：对score列执行count聚合，结果列命名为count。

验证效果 #

不管用哪种方法，最终都会得到你想要的结构：

内容的提问来源于stack exchange，提问作者dom_2108