为何使用caret/e1071时出现数据框'.'相关的重复名称错误？

你遇到的Error in terms.formula(formula, data = data) : duplicated name 'X10Percentile' in data frame using '.'错误，核心原因就是数据框中存在完全重复的列名——哪怕肉眼检查没发现，也可能是列名带有隐藏空格、或者你在数据导入/处理过程中不小心生成了重名列。下面是具体的排查和解决步骤：

1. 精准定位重复列名 #

先运行以下代码，快速找出所有重复列名及其位置，避免漏看：

# 提取所有重复的列名
dup_col_names <- colnames(your_df)[duplicated(colnames(your_df))]
print("重复的列名：")
print(dup_col_names)

# 查看每个列名的出现次数
col_name_counts <- table(colnames(your_df))
col_name_counts[col_name_counts > 1]

# 获取重复列的索引位置，方便手动检查内容
dup_col_indices <- which(colnames(your_df) %in% dup_col_names)
print("重复列的索引：")
print(dup_col_indices)

2. 两种方式解决重复列名问题 #

方法一：直接删除重复列（保留第一列） #

如果重复列是冗余数据，直接删除后续重复项即可：

your_df <- your_df[, !duplicated(colnames(your_df))]

方法二：给重复列添加后缀区分 #

如果需要保留所有列数据，用make.names()自动给重名列加后缀（比如.1、.2），既保留原始含义又避免重复：

colnames(your_df) <- make.names(colnames(your_df), unique = TRUE)

3. 验证处理结果 #

处理完后运行以下代码确认问题已解决：

# 检查是否还有重复列名，返回FALSE则说明没问题
any(duplicated(colnames(your_df)))

另外，你提到的测试数据验证思路很对，也可以故意构造带重复列名的测试数据复现错误，确认根源：

# 构造带重复列名的测试数据
test <- data.frame(
  X10Percentile = rnorm(30),
  X10Percentile = rnorm(30),  # 手动添加重复列
  feature_1 = rnorm(30),
  label = sample(c(0,1), 30, replace = TRUE)
)

# 尝试训练SVM，会触发相同报错
library(caret)
train(label ~ ., data = test, method = "svmRadial")

解决重复列名后，这段测试代码就能正常运行了。

内容的提问来源于stack exchange，提问作者HajarM