使用Pandas拼接不同列DataFrame时触发索引唯一性报错

问题出在哪？ #

你确认列名没重复，但横向拼接（axis=1）时Pandas是按行索引对齐数据的。只要df或者split_df的行索引存在重复值，就会触发这个报错——重复索引无法实现唯一的行对齐映射。

先验证是不是索引的问题 #

跑两行代码检查：

# 检查df的索引是否有重复
print(df.index.duplicated().any())
# 检查split_df的索引是否有重复
print(split_df.index.duplicated().any())

如果输出True，那就是索引重复导致的问题。

怎么解决？ #

方法1：重置索引再拼接（最省心） #

既然split_df是从df拆分生成的，两者行顺序完全对应，直接把索引重置为默认自增整数即可：

# 重置索引，drop=True会丢弃原索引列
df_reset = df.reset_index(drop=True)
split_df_reset = split_df.reset_index(drop=True)
result = pd.concat([df_reset, split_df_reset], axis=1)

方法2：清理重复索引（需要保留原索引时用） #

如果必须保留原索引，可先清理重复索引的行（根据业务需求选择保留第一个/最后一个重复行）：

# 保留df中重复索引的第一行
df_clean = df[~df.index.duplicated(keep='first')]
# 同步清理split_df的对应行（两者索引应一致）
split_df_clean = split_df.loc[df_clean.index]
# 执行拼接
result = pd.concat([df_clean, split_df_clean], axis=1)

额外说明 #

split_df由df拆分而来，正常情况下两者行数、行顺序完全匹配。出现索引重复大概率是拆分操作中误改了索引，或者原df本身就存在重复索引。重置索引是最快的解决方式，能避开索引对齐的坑。

内容的提问来源于stack exchange，提问作者KristiLuna