Pandas非time列求和结果异常，请求排查操作问题

嘿，我帮你梳理下这个求和异常的问题，大概率是重复列名在搞鬼！

先看你给出的DataFrame末尾行，能发现non_negative_derivative_x和non_negative_derivative_y各出现了两次——这种重复列名会让Pandas在计算行求和时逻辑混乱，导致结果不符合预期。

解决步骤： #

1. 先确认列名重复情况 #

执行下面的代码，把所有列名打印出来，明确重复的列：

print(df_merged.columns.tolist())

2. 处理重复列名 #

根据你的数据情况选一种方式：

• 如果重复列是冗余数据（比如合并时误添加的重复列），直接保留每列的第一个实例，删除后续重复项：

  df_merged = df_merged.loc[:, ~df_merged.columns.duplicated()]
  

• 如果重复列是不同的有效数据，给它们重命名区分：

  from collections import defaultdict
  
  col_counter = defaultdict(int)
  new_column_names = []
  for col in df_merged.columns:
      col_counter[col] += 1
      if col_counter[col] > 1:
          new_column_names.append(f"{col}_{col_counter[col]}")
      else:
          new_column_names.append(col)
  df_merged.columns = new_column_names
  

3. 重新计算行求和 #

处理完列名后，再执行你的求和代码，此时结果应该就正确了：

df_merged['bps'] = df_merged.drop('time', axis=1).sum(axis=1)

验证结果 #

你可以手动计算示例行的数值来核对：10574.72 + 5.19642e+09 + 5.78985e+09 ≈ 1.098627457472e+10，对比Pandas计算出的bps值是否一致。

内容的提问来源于stack exchange，提问作者Cmarv