如何修正Python Pandas生成的DataFrame重复行索引问题

问题根源 #

你当前的代码在循环中每次都新建一个仅包含一行数据的DataFrame，所以每次输出的索引都是0，而且最终df变量只会保留最后一次循环生成的结果，自然无法得到连续递增的索引。

最优解决方案：先收集数据再一次性生成DataFrame #

效率最高的做法是先把所有商品和价格数据收集到一个列表中，循环结束后再统一创建DataFrame，Pandas会自动生成连续的整数索引。

修改后的代码：

import re
import pandas as pd

# 模拟你的收据行数据（实际使用时替换为你的原始数据）
receipt_lines = [
    "BAGGED KALE 2.94",
    "ORG PARSLEY 1.98",
    "ORG BASIL 1.98",
    "ORG BASIL 1.98",
    "ORG BAY LEAV 1.98",
    "GV ZUC BLND 1.48"
]

# 初始化空列表存储所有数据
data_list = []

for line in receipt_lines:
    # 提取商品名称
    res = re.sub('[^a-zA-z]+', ' ', line) 
    item_name = ' '.join([w for w in res.split() if len(w) > 1])
    # 提取价格
    price_list = re.findall('\d+\.\d+', line)
    
    for price in price_list:
        # 将每组数据以字典形式加入列表
        data_list.append({'Item': item_name, 'Price': price})

# 一次性生成DataFrame
df = pd.DataFrame(data_list)
# 转换价格为数值类型
df['Price'] = pd.to_numeric(df['Price'], errors='coerce')

# 输出结果
print(df)
print(df.info())

输出结果（符合你的期望） #

Item  Price
0  BAGGED KALE   2.94
1  ORG PARSLEY   1.98
2    ORG BASIL   1.98
3    ORG BASIL   1.98
4  ORG BAY LEAV  1.98
5  GV ZUC BLND   1.48

备选方案：循环中逐步拼接DataFrame（不推荐，效率较低） #

如果一定要在循环中逐步构建DataFrame，可以使用pd.concat，并设置ignore_index=True来重置索引：

import re
import pandas as pd

receipt_lines = [
    "BAGGED KALE 2.94",
    "ORG PARSLEY 1.98",
    "ORG BASIL 1.98",
    "ORG BASIL 1.98",
    "ORG BAY LEAV 1.98",
    "GV ZUC BLND 1.48"
]

# 初始化空DataFrame
df = pd.DataFrame()

for line in receipt_lines:
    res = re.sub('[^a-zA-z]+', ' ', line) 
    item_name = ' '.join([w for w in res.split() if len(w) > 1])
    price_list = re.findall('\d+\.\d+', line)
    
    for price in price_list:
        temp_df = pd.DataFrame({'Item': [item_name], 'Price': [price]})
        temp_df['Price'] = pd.to_numeric(temp_df['Price'], errors='coerce')
        # 拼接临时DataFrame并重置索引
        df = pd.concat([df, temp_df], ignore_index=True)

print(df)
print(df.info())

关键说明 #

• 优先选择先收集数据再一次性生成DataFrame的方式，因为循环拼接DataFrame会不断创建新对象，数据量大时性能很差。
• ignore_index=True参数会让Pandas在拼接后重新生成连续的索引，避免保留原DataFrame的重复索引。

内容的提问来源于stack exchange，提问作者GILBERT KELLER