分组、透视、合并操作后极易产生重复索引，索引重复会引发赋值、筛选、绘图报错，本篇覆盖重复索引全套修复方案，区分唯一索引、非唯一索引业务场景。
场景：多区域销售数据拼接后行索引重复，完成索引重复检测、两种修复方案：重置连续索引、合并同索引重复行数据。核心知识点：index.is_unique索引唯一性判断、reset_index重置索引、groupby(level=0)合并重复索引、duplicated()索引查重。① 字段含义说明
索引（原重复索引）：date 日期，存在多条相同日期记录② 生成带重复索引测试数据
import pandas as pdimport numpy as np# 构造重复日期索引date_list = ["2026-01-01","2026-01-01","2026-01-02","2026-01-02","2026-01-03","2026-01-03"]df = pd.DataFrame({ "sale_amt": np.random.uniform(8000, 32000, 6).round(2), "order_cnt": np.random.randint(20, 180, 6), "user_cnt": np.random.randint(10, 90, 6)}, index=pd.to_datetime(date_list))df.index.name = "date"df.to_excel("dup_index_data.xlsx")print("重复索引时序销售数据生成完成")print("原始索引是否唯一：", df.index.is_unique)
③ 核心清洗代码
import pandas as pddf = pd.read_excel("dup_index_data.xlsx", index_col="date")# 1. 检测重复索引dup_index_mask = df.index.duplicated()print("重复索引行布尔标记：", dup_index_mask.tolist())# 方案1：直接重置索引，生成连续数字主键（通用快速修复）df_reset = df.reset_index()print("\n方案1-重置索引后数据：")print(df_reset)# 方案2：合并相同索引重复行，按日期汇总指标（业务统计场景首选）df_merge = df.groupby(level=0).agg({ "sale_amt": "sum", "order_cnt": "sum", "user_cnt": "sum"})print("\n方案2-合并重复索引后汇总数据：")print(df_merge)
结果展示
总结
索引重复会破坏切片、赋值、时序运算稳定性；简单导出/绘图用reset_index快速修复；需要保留日期维度统计时，用groupby(level=0)合并同索引数据；数据导入后优先检测index.is_unique提前规避报错。
