pandas按公共索引计算两个DataFrame列比值的报错处理

将classif1、classif2设为多层索引后，df1的索引组合存在重复值：同一组classif1+classif2会同时对应SEX_M、SEX_F两条记录，而df2的同组索引是唯一值（仅对应SEX_T维度的汇总值）。pandas做索引对齐的算术运算时，不允许非唯一的多层索引直接做匹配计算，因此抛出ValueError: cannot handle a non-unique multi-index!错误。

两个DataFrame仅需按classif1、classif2两个字段匹配对应总数值，不需要对齐sex字段，也不需要强行设置公共索引做运算，以下两种写法都可以直接得到正确结果：

• 方法1：映射匹配（运算效率更高）
  把df2转为「(classif1, classif2) : obs_value」的字典，逐行匹配做除法即可，不需要修改原表结构：

# 构建分组到总数值的映射
total_value_map = df2.set_index(['classif1', 'classif2'])['obs_value'].to_dict()
# 逐行匹配计算占比
df1['Percentage_of_total'] = df1.apply(
    lambda x: x['obs_value'] / total_value_map[(x['classif1'], x['classif2'])],
    axis=1
)

• 方法2：表合并后计算（逻辑更直观）
  先把df2的数值列重命名后，按两个公共维度左连接到df1，计算完占比后删掉临时的总数值列即可：

# 提取df2需要的字段并重命名数值列
df2_ref = df2[['classif1', 'classif2', 'obs_value']].rename(columns={'obs_value': 'total_obs'})
# 左连接匹配总数值
df1 = df1.merge(df2_ref, on=['classif1', 'classif2'], how='left')
# 计算占比
df1['Percentage_of_total'] = df1['obs_value'] / df1['total_obs']
# 删除临时列
df1.drop(columns='total_obs', inplace=True)

两种方法运行后得到的Percentage_of_total列结果完全一致，比如SEX_M+ECO_SECTOR_TOTAL的占比约为0.659，SEX_F+ECO_SECTOR_TOTAL的占比约为0.341，符合分性别数值除以总数值的计算逻辑。

内容的提问来源于stack exchange，提问作者A.N.