pd.concat触发InvalidIndexError报错（存在重复列名）如何解决？

你遇到的InvalidIndexError是因为两个DataFrame都存在重复列名，导致列索引非唯一。pd.concat()默认会按列名对齐拼接，非唯一索引无法完成对齐校验，所以触发报错。

因为你的两个DataFrame列顺序、列名完全匹配，不需要做列对齐逻辑，可以用下面两种方法绕过：

方法1：直接拼接数值（最简单，无需调整concat逻辑） #

不需要调用pd.concat的列对齐逻辑，直接合并两个DataFrame的数值后复用df1的列名即可：

# 无需额外依赖的写法
result = pd.DataFrame(df1.values.tolist() + df2.values.tolist(), columns=df1.columns)

# 用numpy优化性能的写法（数据量大时推荐）
import numpy as np
result = pd.DataFrame(np.vstack([df1.values, df2.values]), columns=df1.columns)

拼接结果的列名完全复用df1的原有列名，不会新增重复表头，符合你的需求。

方法2：临时重置列名后用concat拼接（适合需要用到concat其他参数的场景） #

如果需要用到pd.concat的join、keys等额外参数，可以先将两个DataFrame的列临时替换为唯一名称，拼接完成后再改回原列名：

# 生成临时唯一列名
temp_columns = [f"col_{idx}" for idx in range(len(df1.columns))]

# 给两个DataFrame设置临时列名
df1_temp = df1.set_axis(temp_columns, axis=1)
df2_temp = df2.set_axis(temp_columns, axis=1)

# 拼接后恢复原有列名
result = pd.concat([df1_temp, df2_temp], ignore_index=True).set_axis(df1.columns, axis=1)

• 两种方法的前置条件都是两个DataFrame的列顺序完全一致，如果列顺序不同会出现数据错位
• 可以提前添加断言校验列的一致性：assert len(df1.columns) == len(df2.columns) and df1.columns.equals(df2.columns)，避免拼接错误

内容的提问来源于stack exchange，提问作者MikeRuud