Pandas中如何添加与现有列同名的重复列

• pandas的常规列操作（按列名赋值、assign方法）本身就是基于列名做索引匹配的，遇到同名列名时会直接定位到已有列覆盖更新，根本不会主动追加重复列，这就是你之前写的代码把原“4”列值全改成0的原因。
• 要生成存在完全重复列名的DataFrame，必须绕开按列名匹配赋值的逻辑，不能用常规的新增列写法。

方法1：用公开接口拼接（最稳定，所有pandas版本通用） #

这是最不容易踩坑的实现方式，完全不依赖私有API：

1. 先构造一个只有单列、列名为“4”的临时DataFrame，列值用你需要的零值即可
2. 沿着横向（列方向）把原DataFrame和临时DataFrame拼接，pandas的concat做列拼接时不会校验列名是否重复，会直接保留拼接后的所有列

代码示例：

import pandas as pd
import numpy as np

# 你的原有DataFrame
# 新增的列值：长度和原df行数一致的全0数组
new_col_values = np.zeros(shape=(df.shape[0],))
# 构造带重复列名的临时df
temp_df = pd.DataFrame(new_col_values, columns=["4"])
# 横向拼接，生成带两个同名列“4”的新df
df = pd.concat([df, temp_df], axis=1)

方法2：直接操作底层块结构（效率更高，适合大数据量场景） #

如果原DataFrame行数非常多，拼接的额外内存开销大，可以直接修改pandas底层的块管理结构插入列，完全跳过列名去重逻辑：

from pandas.core.internals import BlockManager
import numpy as np

# 生成要插入的新列值
new_col_values = np.zeros(shape=(df.shape[0],))
old_mgr = df._mgr
# 构造新列对应的存储块
new_block = old_mgr.make_block(
    new_col_values, 
    placement=slice(df.shape[1], df.shape[1] + 1)
)
# 合并原有块和新块，列轴直接追加重复的列名“4”
new_mgr = BlockManager(
    blocks=old_mgr.blocks.tolist() + [new_block],
    axes=[old_mgr.axes[0].append(pd.Index(["4"])), old_mgr.axes[1]]
)
# 用新的块结构生成最终DataFrame
df = pd.DataFrame(new_mgr)

• 重复列名下的索引操作逻辑和普通列有区别：后续如果用df["列名"]做取值操作，会一次性返回所有同名列的内容，日常操作时要通过列的整数位置索引df.iloc[:, 列位置]来区分不同的同名列，避免逻辑出错。
• 你之前写的代码本身有两个基础问题：一是assign的参数括号没有闭合，二是Python语法层面不允许纯数字作为函数的关键字参数名，哪怕运行不报错也是依赖版本兼容的非常规写法。

内容的提问来源于stack exchange，提问作者Simsim