存在重复列名时拆分Pandas DataFrame的方法咨询

嘿，这个重复列名的拆分问题我碰到过，给你几个实用的解决办法，都能避开你说的那些坑：

方案1：按列位置索引拆分（最直接） #

既然列名重复，但每列的位置是唯一的，直接用iloc按位置取列就完全不会受重复列名的影响，之后再用copy()也没问题：

# 拆分前4列和后4列
df1 = dataframe_1.iloc[:, :4].copy()
df2 = dataframe_1.iloc[:, 4:].copy()

# 可选：给新DataFrame重命名列，避免后续操作混淆
df1.columns = ['A_first', 'A_second', 'A_third', 'A_fourth']
df2.columns = ['B_first', 'B_second', 'B_third', 'B_fourth']

解释：iloc[:, :4]直接取前4列，iloc[:, 4:]取第5到第8列，完全不依赖列名，自然不会有重复列名导致的问题。重命名列是为了后续操作更清晰，避免再次遇到重复列名的麻烦。

方案2：创建DataFrame时直接指定不重复列名 #

从根源上解决重复列名的问题，在把二维数组转成DataFrame的时候，就给第二组列名加上区分标识：

import pandas as pd

# 定义带区分的列名，替换原来的重复列名
custom_columns = [
    'A_first', 'A_second', 'A_third', 'A_fourth',
    'B_first', 'B_second', 'B_third', 'B_fourth'
]

# 转换为DataFrame时直接指定列名
dataframe_1 = pd.DataFrame(arrayFull, columns=custom_columns)

# 现在拆分就简单了，直接按列名选取
df1 = dataframe_1[['A_first', 'A_second', 'A_third', 'A_fourth']].copy()
df2 = dataframe_1[['B_first', 'B_second', 'B_third', 'B_fourth']].copy()

解释：这样创建出来的DataFrame本身就没有重复列名，后续的拆分和copy()操作都能正常进行，完全避开了重复列名的问题。

方案3：基于列名列表切片拆分（保留原列名） #

如果你一定要保留原来的重复列名，也可以通过列名列表的切片来选取：

# 获取所有列名的列表
all_columns = dataframe_1.columns

# 取前4个列名（即使重复）
df1 = dataframe_1[all_columns[:4]].copy()
# 取后4个列名
df2 = dataframe_1[all_columns[4:]].copy()

解释：all_columns[:4]是前4个列名的列表（虽然有重复），用这个列表去索引DataFrame，会精确选取对应位置的列，而不是所有同名列，所以copy()也能正常工作。

内容的提问来源于stack exchange，提问作者Nimitz