在Pandas的数据处理流程中，给DataFrame添加重复索引列是较为常见的需求，比如需要保留原始索引作为普通列，同时新增同名的索引列用于后续的分组或者匹配操作，但是很多新手容易因为操作不当得到错误的结果。
常见的错误添加方式
很多用户会直接使用赋值的方式添加重复索引列，但是如果没有注意索引对齐的规则，就会出现数据不匹配的问题。比如下面的错误示例：
import pandas as pd
# 创建测试DataFrame
df = pd.DataFrame({'value': [10, 20, 30]}, index=['a', 'b', 'c'])
# 错误添加重复索引列，直接赋值同名列
df['index'] = df.index
print(df)
上面的代码虽然能运行，但是当DataFrame的索引和行顺序出现变化时，直接赋值可能会导致数据错位。比如如果先对DataFrame做了重排序操作，再直接赋值index列，就会出现列值和实际索引不匹配的情况。
正确的添加方法
方法一：直接赋值并指定值列表
如果确定要添加的和索引同名的列，直接把索引的值转成列表再赋值，就可以避免索引对齐带来的问题：
import pandas as pd
df = pd.DataFrame({'value': [10, 20, 30]}, index=['a', 'b', 'c'])
# 正确添加重复索引列，将索引值转为列表赋值
df['index'] = df.index.tolist()
print(df)
# 输出结果：
# value index
# a 10 a
# b 20 b
# c 30 c
方法二：使用assign方法添加
assign方法可以返回新的DataFrame，不会修改原始数据，适合需要保留原始数据的场景，添加重复索引列的方式如下：
import pandas as pd
df = pd.DataFrame({'value': [10, 20, 30]}, index=['a', 'b', 'c'])
# 使用assign添加重复索引列
new_df = df.assign(index=df.index.tolist())
print(new_df)
方法三：通过concat拼接新列
如果需要添加多个重复列或者和其他DataFrame拼接，可以使用concat方法，这种方式的可扩展性更强：
import pandas as pd
df = pd.DataFrame({'value': [10, 20, 30]}, index=['a', 'b', 'c'])
# 创建要拼接的索引列DataFrame
index_col = pd.DataFrame(df.index.tolist(), index=df.index, columns=['index'])
# 拼接得到新的DataFrame
result_df = pd.concat([df, index_col], axis=1)
print(result_df)
注意事项
添加重复索引列之后，如果后续需要对这些列做操作，要注意区分列名和索引，避免混淆。如果不需要保留原始索引，可以在添加完重复列之后使用reset_index(drop=True)方法重置索引，避免索引和列名重复带来的查询问题。另外如果DataFrame的索引是可变的，添加重复列之后最好先验证列值和索引是否一致，再开展后续的数据处理操作。