Python 熊猫海螺失败

我正试图基于foll来解析数据帧。2个csv文件：

df_a：

df_b：

它们都有相同的列数和列名。但是，当我这样做时：

pandas.concat([df_a, df_b])

我得到一个错误：

AssertionError: Number of manager items must equal union of block items
# manager items: 20, # tot_items: 21

---

如何解决此问题？

我认为如果满足以下两个条件，则会出现此错误：

数据帧具有不同的列。（即

（df1.columns==df2.columns）

为

False

列具有重复的值

基本上，如果您使用列

[A，B，C]

和

[B，C，D]

连接

数据帧，它可以为每个不同的列名创建一个系列。因此，如果我尝试连接第三个数据帧
[B，B，C]
，它不知道要附加哪个列，并且最终得到的不同列少于它认为需要的列

如果您的数据帧是这样的
df1.columns==df2.columns
，那么它仍然可以工作。因此您可以将
[B，B，C]
加入到
[B，B，C]
，而不是加入到
[C，B，B]
，就好像列是相同的，它可能只是使用整数索引或其他什么。
您可以通过“手动”连接来解决这个问题，在本例中，您的

list_of_dfs = [df_a, df_b]

而不是跑步

giant_concat_df = pd.concat(list_of_dfs,0)

您可以使用将所有数据帧转换为字典列表，然后从这些列表中创建新的数据帧（与链合并）

很遗憾，源文件已不可用，因此我无法在您的案例中检查我的解决方案。在我的案例中，错误发生在：

数据帧有两个名称相同的列（我有
ID
和
ID
列，然后我将它们转换为小写，因此它们变得相同）
相同命名列的值类型不同
下面是一个例子，它给出了问题中的错误：

df1 = pd.DataFrame(data=[
    ['a', 'b', 'id', 1],
    ['a', 'b', 'id', 2]
], columns=['A', 'B', 'id', 'id'])

df2 = pd.DataFrame(data=[
    ['b', 'c', 'id', 1],
    ['b', 'c', 'id', 2]
], columns=['B', 'C', 'id', 'id'])
pd.concat([df1, df2])
>>> AssertionError: Number of manager items must equal union of block items
 # manager items: 4, # tot_items: 5

删除/重命名其中一列可使此代码正常工作。
此处的答案无法解决我的问题，但答案解决了

问题在一个或两个数据帧中重复列

下面是一个重复的列修复（根据上面的回答）：

刚刚试过你的数据，
pandas==0.17.1
和
concat
工作正常。嗯，不确定发生了什么……我仍然得到错误，我也在使用pandas==0.17.1。我在Ubuntu 14.04上使用pandas 0.17.1、Python 2.7.11，对我来说也工作正常。我检查列名
print df_a.columns==df_b.columns
和输出：
[True-True-True-False-True-False-False]
谢谢@jezrael，列名的顺序不一样，但它们都存在。关于这个问题，我看到了最好的解释。谢谢。我在空间扩展geopandas中遇到了一个问题，
.overlay（）
操作失败，原因是错误与原始帖子非常相似。如果两个geodataframes的列名相同，则它将在输出数据帧中仅枚举一次。在第三个覆盖操作中，它将抛出此错误。因此，如果要进行链覆盖，请确保两个geodataframes的列名不同链中的每个geodataframe。感谢！&FYI查找重复列：duplicates=df.columns.duplicated（keep=False）[x[0]表示元组中的x（zip（df.columns，duplicates）），如果x[1]]重复列！当然，非常感谢您给出了清晰的答案！请注意，此解决方案将花费明显不同的时间来完成，并且在大数据帧上也将消耗大量内存。
df1 = pd.DataFrame(data=[
    ['a', 'b', 'id', 1],
    ['a', 'b', 'id', 2]
], columns=['A', 'B', 'id', 'id'])

df2 = pd.DataFrame(data=[
    ['b', 'c', 'id', 1],
    ['b', 'c', 'id', 2]
], columns=['B', 'C', 'id', 'id'])
pd.concat([df1, df2])
>>> AssertionError: Number of manager items must equal union of block items
 # manager items: 4, # tot_items: 5

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