Pandas多DataFrame聚合拼接后索引为列名 如何设置为RangeIndex

你遇到的索引异常来自pandas构造DataFrame时的内置优先级逻辑，加上代码逻辑的冗余：

• 每次循环执行groupby('is_free')['id'].count()得到的结果，是name='id'的Series，本身自带和is_free取值对应的二级索引。
• 当把多个带相同name的Series组成列表传给pd.DataFrame()时，pandas会优先抓取每个Series的name作为生成DataFrame的行标签，即便显式设置index=None也会被这个自动抓取的标签覆盖，最终就出现了全由'id'组成的非数值行索引。
• 你当前的循环逻辑把构造最终DataFrame的代码放在了遍历每个df的循环体内部，每次遍历都会重新基于已累计的dfs列表构造一次DataFrame，属于冗余操作，最终生效的其实是最后一次循环的构造结果。

两种方案均可生成预期的RangeIndex索引：

1. 构造DataFrame前显式清空每个分组结果的Series名称
   • 在循环内计算完分组计数后，调用.rename(None)移除Series自带的name属性，再加入待拼接列表，最后在循环外统一构造DataFrame
   • 示例代码：

   dfs = []
   for df in df_list:
       count_res = df.groupby('is_free')['id'].count().rename(None)
       dfs.append(count_res)
   # 循环外统一构造，自动生成默认RangeIndex
   final_df = pd.DataFrame(dfs)
   

2. 构造完成后直接重置索引
   • 保留原有分组计算逻辑，在循环外完成DataFrame构造后，直接丢弃原来基于Series name生成的异常索引，替换为默认RangeIndex
   • 示例代码：

   dfs = []
   for df in df_list:
       count_res = df.groupby('is_free')['id'].count()
       dfs.append(count_res)
   final_df = pd.DataFrame(data=dfs).reset_index(drop=True)
   

最终生成的DataFrame行索引为RangeIndex(start=0, stop=2, step=1)，和预期完全一致，列会自动对齐两个分组的取值（False/True），对应数值和你原本输出的结果完全匹配，不会再出现列名被当成行索引的问题。

内容的提问来源于stack exchange，提问作者Osca