如何将索引与列名重叠的pandas DataFrame转为JSON并可完整还原

ValueError: Overlapping names between the index and columns 报错的核心原因是你调用set_index时设置了drop=False，导致索引名称和DataFrame的列名完全重复，to_json的table格式要求索引和列的命名不能冲突。

以下是两种符合「保留原有索引、还原后完全匹配原始DataFrame」要求的实现方案：

方案1：适配orient='table'格式的实现 #

如果你需要严格使用table格式输出JSON，可通过临时修改索引名规避冲突，还原时自动恢复原始索引名即可：

导出JSON代码 #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c'], 'col3': [10, 11, 12]})
df = df.set_index(keys=['col1', 'col2', 'col3'], drop=False)

# 导出逻辑
original_idx_names = df.index.names
# 临时设置不重复的索引名避免冲突
df.index.names = [f"_idx_{i}" for i in range(len(original_idx_names))]
json_str = df.to_json(orient='table')
# 恢复原DataFrame的索引名，不影响后续使用
df.index.names = original_idx_names

从JSON还原代码 #

# 读取JSON
restored_df = pd.read_json(json_str, orient='table')
# 恢复原始索引名
restored_df.index.names = original_idx_names

# 验证还原结果和原始数据完全一致，输出为True
print(df.equals(restored_df))

方案2：更简单的orient='split'格式实现 #

如果你对JSON结构没有强制要求必须用table格式，直接用split格式不需要任何额外处理，天然支持索引和列名重复的场景：

# 导出JSON
json_str = df.to_json(orient='split')
# 还原DataFrame
restored_df = pd.read_json(json_str, orient='split')

# 直接验证还原结果，输出为True
print(df.equals(restored_df))

内容的提问来源于stack exchange，提问作者orudyy