pandas存在重名多级索引时如何正确重置索引并重命名列

报错根因 #

• 分组时直接传入mydf['date'].dt.year、mydf['date'].dt.month作为分组键，pandas会将两个分组键的名称都保留为date，最终生成的多层索引两个层级重名，执行reset_index时会触发列名重复冲突，抛出ValueError: cannot insert date, already exists错误。
• 第二次尝试仅修改了索引对象的层级名称，没有执行重置索引操作将索引层级转为普通列，因此最终得到的是MultiIndex对象，而非结构化的DataFrame。

正确实现方案 #

方案1：分组时直接指定分组键名（最简便） #

分组阶段直接为年、月分组键指定别名，从根源避免索引重名，reset_index时可直接为统计值列命名，一步得到目标结果：

import pandas as pd
import numpy as np

# 构造示例数据集
mydf = pd.DataFrame({'date':pd.date_range('01/01/2020', periods=48, freq='15D'), 
                     'value':np.random.randint(20,30,48)})

# 分组统计
result = mydf.groupby(
    Year = mydf['date'].dt.year,
    Month = mydf['date'].dt.month
).size().reset_index(name='Size')

输出结果完全匹配预期：

Year  Month  Size
0  2020      1     3
1  2020      2     1
2  2020      3     3
3  2020      4     2
4  2020      5     2
...

方案2：修改索引名后再重置索引 #

如果保留原有分组逻辑，可通过rename_axis先修改多层索引的层级名称，再重置索引，无需提前转成DataFrame再重命名列：

result = mydf.groupby([mydf['date'].dt.year, mydf['date'].dt.month])\
    .size()\
    .rename_axis(['Year', 'Month'])\
    .reset_index(name='Size')

方案3：用时间重采样实现按月统计 #

针对时间维度的按月聚合场景，使用resample重采样逻辑更贴合时间序列处理习惯：

result = mydf.resample('M', on='date')\
    .size()\
    .reset_index()
# 拆分年、月列
result['Year'] = result['date'].dt.year
result['Month'] = result['date'].dt.month
# 调整列顺序、重命名统计列
result = result[['Year', 'Month', 0]].rename(columns={0:'Size'})

内容的提问来源于stack exchange，提问作者Alexis