如何在Pandas DataFrame中重置索引计数（保留每个索引对应的多行结构）

我来帮你搞定这个需求！你需要把DataFrame中重复出现的数值型列名替换成从1开始的连续序号，同时完全保留原有的列结构（数值列和标签列交替的形式）。下面是具体的实现方法：

步骤说明 #

1. 提取所有重复的数值列名，生成“唯一值→连续序号”的映射字典；
2. 遍历原列名列表，将数值列名替换为对应序号，非数值列名保持不变；
3. 把新列名列表赋值给DataFrame，完成修改。

代码示例 #

假设你的原DataFrame模拟结构如下：

import pandas as pd

# 模拟原DataFrame数据
data = [['Alice', 10, 'val1', 10, 'val2', 20, 'val3', 20, 'val4', 30, 'val5', 30, 'val6', 40, 'val7']]
df = pd.DataFrame(data, columns=['Name', 1234, 'AA', 1234, 'AB', 1235, 'BA', 1235, 'BB', 1236, 'CA', 1236, 'CB', 1237, 'DA'])

执行以下代码完成列名替换：

# 获取原列名列表
cols = df.columns.tolist()

# 提取所有数值型列名（排除'Name'），并筛选唯一值（按数值大小排序）
unique_numeric_cols = sorted(list(set([col for col in cols if col != 'Name' and str(col).isdigit()])))

# 创建映射：原数值 → 连续序号（从1开始）
num_to_seq = {num: idx + 1 for idx, num in enumerate(unique_numeric_cols)}

# 生成新的列名列表
new_columns = []
for col in cols:
    if col in num_to_seq:
        new_columns.append(num_to_seq[col])
    else:
        new_columns.append(col)

# 替换DataFrame的列名
df.columns = new_columns

执行后就能得到你期望的结构：

补充说明 #

• 如果数值列名是字符串类型（比如'1234'而非整数1234），这段代码同样适用，str(col).isdigit()能兼容两种类型；
• 若希望序号按原数值首次出现顺序排序（而非数值大小），可以去掉sorted()，改用dict.fromkeys()保留顺序：

  unique_numeric_cols = list(dict.fromkeys([col for col in cols if col != 'Name' and str(col).isdigit()]))
  

内容的提问来源于stack exchange，提问作者rekeson21