如何基于首个DataFrame的重复索引合并多个DataFrame？

报错原因 #

你用pd.concat(..., join='inner')报错是因为join='inner'会基于索引值做对齐，但df1的重复索引和df2/3的唯一索引没法完成这种匹配——pandas不允许在重复索引上执行这类需要唯一索引的重索引操作。好在三个DataFrame行数完全一致，根本不需要按索引值对齐，按行的位置拼接就行。

两种可行方案 #

方案1：先按位置拼接，再恢复df1的重复索引

先把所有DataFrame的索引重置成默认整数，按列拼接后再把索引改回df1的重复索引：

# 重置索引后拼接，忽略原有索引的对齐逻辑
temp_df = pd.concat([
    df1.reset_index(drop=True),
    df2.reset_index(drop=True),
    df3.reset_index(drop=True)
], axis=1)
# 恢复df1的重复索引
final_df = temp_df.set_index(df1.index)

方案2：直接替换df2、df3的索引后拼接

既然要保留df1的索引，直接把df2和df3的索引改成和df1一模一样，再正常concat就行：

# 替换df2、df3的索引为df1的重复索引
df2.index = df1.index
df3.index = df1.index
# 直接按列拼接，无需指定join参数（默认outer，这里因为索引完全一致，结果和inner一样）
final_df = pd.concat([df1, df2, df3], axis=1)

注意点 #

• 两种方案都能保留df1的重复索引特性，且不会触发索引相关报错
• 因为三个DataFrame行数一致，所以按位置/索引替换的方式完全安全，不会出现数据错位的情况

内容的提问来源于stack exchange，提问作者hghebrem