Python基于Country参考列实现两个DataFrame列相乘时报Reindexing唯一索引错误

出现Reindexing only valid with uniquely valued Index objects的核心触发点是：代码里用来做映射源的DF1（代码中引用为B_Score）的Country列存在重复值。
当你执行B_Score.set_index('Country').Score时，生成的序列索引是带有重复值的国名，而pandas的map、reindex类匹配操作要求作为映射源的索引必须是唯一值，否则系统无法确定同一个国名对应哪个Score值，就会直接抛出该报错。

1. 先定位重复的国名条目
   运行校验代码确认重复情况：

   B_Score['Country'].duplicated().sum()
   

   输出结果大于0就说明确实存在重复国名记录，需要先把映射源处理成无重复的国名-Score映射对，再做计算。

2. 按业务场景选择去重/聚合方式处理映射源

   • 如果DF1中重复的国名是冗余录入、对应Score值完全一致，可以直接保留每个国名的第一条记录生成映射：

     # 生成无重复的国名-Score映射序列
     country_score_map = B_Score.drop_duplicates(subset='Country', keep='first').set_index('Country')['Score']
     # 计算加权得分
     DF2['Weighted_Score'] = DF2['unique_orders'] * DF2['Country'].map(country_score_map)
     

   • 如果DF1中同一个国名存在多条合法的Score记录，不能直接删除，就先按国名聚合出统一的Score值再做映射，比如取均值、取最近更新值等：

     # 以国名为分组维度，取Score的平均值作为统一映射值
     country_score_map = B_Score.groupby('Country')['Score'].mean().to_dict()
     # 计算加权得分
     DF2['Weighted_Score'] = DF2['unique_orders'] * DF2['Country'].map(country_score_map)
     

3. 替代方案：用左连接合并实现计算
   如果不想手动维护映射逻辑，也可以先清洗DF1的重复国名，再通过merge关联计算，流程更直观：

   # 清洗DF1的重复国名记录
   clean_bscore = B_Score.drop_duplicates(subset='Country')
   # 按Country左连接合并，保留DF2的全部行
   DF2 = DF2.merge(clean_bscore[['Country', 'Score']], on='Country', how='left')
   # 计算加权得分
   DF2['Weighted_Score'] = DF2['unique_orders'] * DF2['Score']
   # 合并引入的临时Score列如果不需要，计算完成后删除即可
   DF2 = DF2.drop(columns=['Score'])
   

说明：上述处理逻辑中，如果DF2的Country在DF1中不存在匹配的Score值（比如示例里的CZ），对应行的Weighted_Score会自动填充为NaN，符合无匹配值无法计算的业务预期。

内容的提问来源于stack exchange，提问作者Nirav Prajapati