Plotly多折线图绘制含重复列名DataFrame报错求助

错误原因 #

当DataFrame存在重复列名时，直接传递df2.columns[1:]作为px.line的y参数，Plotly在解析重复列名时会触发内部逻辑的布尔判断歧义（重复列名的匹配会返回布尔Series而非单个布尔值），从而抛出ValueError: The truth value of a DataFrame is ambiguous。同时要适配可变列数，需确保所有列（包括重复列）都能被正确识别并绘制。

解决方案1：修改重复列名+长格式转换（推荐） #

先为重复列名添加唯一后缀，再将DataFrame转为长格式后绘制，确保Plotly能正确区分每一列：

import plotly.express as px
import pandas as pd

def plot_all_df_columns(df):
    # 复制原DataFrame避免修改原始数据
    df_copy = df.copy()
    
    # 为重复列名添加唯一后缀
    col_names = pd.Series(df_copy.columns)
    for dup_col in col_names[col_names.duplicated()].unique():
        # 获取该重复列的所有索引，依次添加后缀
        dup_indices = col_names[col_names == dup_col].index.tolist()
        col_names[dup_indices] = [f"{dup_col}_{i+1}" for i in range(len(dup_indices))]
    df_copy.columns = col_names
    
    # 将索引转为普通列，再转成长格式
    df_long = df_copy.reset_index().melt(
        id_vars=df.index.name if df.index.name else "index",
        var_name="Column",
        value_name="Value"
    )
    
    # 绘制折线图
    fig = px.line(
        df_long,
        x=df.index.name if df.index.name else "index",
        y="Value",
        color="Column"
    )
    return fig

解决方案2：循环添加轨迹（保留原始列名） #

如果需要保留原始重复列名，可通过循环为每一列单独添加绘制轨迹，绕开Plotly对重复列名的解析问题：

import plotly.express as px
import pandas as pd

def plot_all_df_columns(df):
    # 将索引转为普通列
    df_plot = df.reset_index()
    # 获取所有待绘制的列（排除原索引列）
    plot_cols = df_plot.columns[1:]
    
    # 初始化空图
    fig = px.line()
    # 循环添加每一列的轨迹
    for col in plot_cols:
        fig.add_scatter(
            x=df_plot.iloc[:, 0],
            y=df_plot[col],
            name=col
        )
    
    # 设置X轴标题
    fig.update_layout(
        xaxis_title=df.index.name if df.index.name else "Index"
    )
    return fig

测试示例 #

用含重复列名的DataFrame测试：

# 构造含重复Close列的示例DataFrame
data = {
    "Date": ["2023-01-01", "2023-01-02", "2023-01-03"],
    "Close": [100, 101, 102],
    "Close": [105, 106, 107],
    "Open": [99, 100, 101]
}
df2 = pd.DataFrame(data).set_index("Date")

# 调用函数绘制
fig = plot_all_df_columns(df2)
fig.show()

内容的提问来源于stack exchange，提问作者mkch