本文介绍如何在 pandas 中处理重命名后出现的重复列名（如多个列被重命名为同一名称），并将其对应行值聚合为列表，避免数据丢失，同时保持原始行结构。
本文介绍如何在 pandas 中处理重命名后出现的重复列名（如多个列被重命名为同一名称），并将其对应行值聚合为列表，避免数据丢失，同时保持原始行结构。
当使用 df.rename(columns=names) 将多个原始列映射到相同列名（如 "a_1", "a_2", "a_3" 全部重命名为 "a"）时，Pandas 会保留重复列名，形成具有非唯一列索引的 DataFrame。此时直接按列名访问（如 df2['a']）仅返回第一个 "a" 列，其余被隐式忽略——这正是我们需要聚合的根本原因。
正确解法是利用 列名作为分组依据，对每组同名列执行行内聚合。由于 groupby 默认按行（axis=0）操作，而我们要对“相同列名下的多列”进行横向聚合（即每行中所有名为 'a' 的列值合并为一个列表），最简洁高效的方式是：
- 转置 DataFrame：使原列变为行索引，原行变为列，从而将重复列名暴露为索引层级；
- 按索引层级分组：使用 groupby(level=0) 按第一级索引（即原列名）分组；
- 逐组聚合：对每组（如所有 'a' 列）应用自定义函数，过滤空字符串（x != ''），再转为列表；
- 转置回原结构：恢复行列方向，得到目标格式。
result = df2.T.groupby(level=0).agg(lambda x: x[x != ''].tolist()).T
✅ 输出结果：
a b c 0 [x] [] [z] 1 [x, y] [] [z]
⚠️ 注意事项：
- 该方法依赖 df2.columns.is_unique == False，即必须存在重复列名；若列名已去重，需先手动构造重复列（如 df2 = df2.rename(columns=names) 后不自动去重）；
- 空值处理：示例中用 x != '' 过滤空字符串；如需处理 NaN，应改用 x.notna() 或 x.astype(bool) 配合 x.dropna()；
- 性能提示：对大型 DataFrame，T.groupby(...).agg(...).T 是向量化操作，远优于 apply + 循环，推荐优先使用。
总结：Pandas 不支持原生“多列同名自动聚合”，但通过转置→按名分组→聚合→转回三步，可优雅、高效地实现按列名合并行值为列表的目标，是处理此类重命名聚合问题的标准范式。
