已解决：Dataframe.loc返回字典或Dataframe 非唯一多层索引报错

两个异常现象属于同源问题，核心都是索引唯一性不符合pandas的运算规则：

1. .loc[index_val]返回值类型差异
   • 当传入的索引值在DataFrame索引中全局唯一时，.loc[index_val]返回单行Series对象，也就是你看到的带Name、dtype标识的单值序列结构
   • 当传入的索引值在DataFrame索引中存在多条匹配记录时，.loc[index_val]会返回包含所有匹配行的DataFrame。此时执行df1[col1] = df2[col2] + constant这类赋值运算，会因为等号左右两侧的结构、索引无法对齐直接抛出错误。
2. Cannot handle a non-unique multi-index!报错触发逻辑
   pandas对MultiIndex的强制要求是：所有层级的键值组合必须全局唯一，才能支持正常的索引定位、跨对象运算对齐。只要存在任意两组完全相同的多层键组合，涉及索引对齐的操作就会抛出这个非唯一索引报错。
   你读取的两份csv内容近似但索引行为不同，本质是其中一份读入后，被用作索引的列（不管是pandas默认生成的整数索引，还是你手动指定的索引列）存在重复值，另一份的索引则是全局唯一的。

按以下步骤排查处理即可：

• 先定位重复索引
  执行以下代码确认索引重复情况，定位具体重复项：

  # 检查索引是否全局唯一，返回False则存在重复
  print(df.index.is_unique)
  
  # 筛选出所有索引重复的行，方便确认重复来源
  print(df[df.index.duplicated(keep=False)])
  

• 根据业务场景选对应处理方式：
  • 不需要用现有列做索引：直接执行df = df.reset_index(drop=True)重置为默认的不重复整数索引，重置后单行.loc取值会正常返回Series，运算也会按位置正常对齐。
  • 重复行属于冗余数据：执行df = df[~df.index.duplicated(keep='first')]，保留每个重复索引第一次出现的对应行，删除后续重复记录，保证索引全局唯一。
  • MultiIndex层级不全导致组合重复：把能唯一区分每行的字段补充到set_index()的层级参数列表中，直到df.index.is_unique返回True即可。
  • 确认两份DataFrame行顺序完全对应、不需要按索引匹配：赋值时直接取底层数组做运算，绕开pandas的索引对齐逻辑，不会触发索引相关报错：

    # 取.values返回去掉索引的numpy数组，直接做运算赋值
    df1['col1'] = df2['col2'].values + constant
    

内容的提问来源于stack exchange，提问作者Andoni Aranguren