Python合并DataFrame报错：'SYMBOL'既是索引又是列标签

错误原因 #

报错ValueError: 'SYMBOL' is both an index level and a column label, which is ambiguous.的核心原因是：你用到的某个DataFrame中，SYMBOL同时被设置为索引层级和列名，导致merge方法无法确定要基于哪个进行匹配。

解决步骤与代码示例 #

第一步：统一所有DataFrame的SYMBOL格式 #

确保每个DataFrame里的SYMBOL仅作为列存在，或仅作为索引存在。如果某个DataFrame的SYMBOL是索引，先将其转换为列：

# 示例：如果result_df1的SYMBOL是索引，执行以下操作转成列
result_df1 = result_df1.reset_index(drop=False)
# 对其他df重复此操作，确保SYMBOL是列而非索引
result_df2 = result_df2.reset_index(drop=False)
result_df3 = result_df3.reset_index(drop=False)
result_df4 = result_df4.reset_index(drop=False)

第二步：正确合并DataFrame #

由于所有DataFrame的SYMBOL包含完全相同的150个符号，使用inner合并（比outer更高效）即可。同时注意你代码中多余的result_df5至result_df8（你实际只有4个DataFrame），修正后代码如下：

方法1：链式merge

merged_df = result_df1.merge(result_df2, on='SYMBOL', how='inner') \
                .merge(result_df3, on='SYMBOL', how='inner') \
                .merge(result_df4, on='SYMBOL', how='inner')

方法2：更简洁的concat（推荐）

将每个DataFrame的SYMBOL设为索引后横向合并，最后再转回列：

import pandas as pd

merged_df = pd.concat(
    [df.set_index('SYMBOL') for df in [result_df1, result_df2, result_df3, result_df4]],
    axis=1
).reset_index()

合并后得到的merged_df会包含SYMBOL列，以及另外4列（1 CE OI、2nd CE OI、1 PE OI、2nd PE OI）。

内容的提问来源于stack exchange，提问作者Rishikesh Sahani