以下是我的解决方案，从以下开始：

df=pd.DataFrame(np.arange(4).reshape(1,-1),columns=['a','b','a','b'])

输出

a b a b
0 1 2 3 4

然后我使用Lambda函数

df.columns = df.columns+np.vectorize(lambda x:'_' if x else '')(df.columns.duplicated())

输出

a   b   a_  b_
0   0   1   2   3

如果你有一个以上的副本，那么你可以循环，直到没有留下。这也适用于重复的索引，它还保留了索引名称。

如果我没理解错的话，每个名字都有两次。如果是这样，可以使用df.columns.duplicated()请求重复的值。然后，您可以创建一个新的列表，只需修改重复的值并添加自定义的后缀。这与其他发布的修改所有条目的解决方案不同。

df = pd.DataFrame(data=[[1, 2, 3, 4]], columns=list('aabb'))
my_suffix = 'T'

df.columns = [name if duplicated == False else name + my_suffix for duplicated, name in zip(df.columns.duplicated(), df.columns)]
df
>>>
   a  aT  b  bT
0  1   2  3   4

我的答案有一个缺点，如果一个名字被使用了三次或更多次， Dataframe 可能会有重复的列名。

您可以执行以下操作：

import pandas as pd

# setup dummy DataFrame with repeated columns
df = pd.DataFrame(data=[[1, 2, 3]], columns=list('aaa'))

# create unique identifier for each repeated column
identifier = df.columns.to_series().groupby(level=0).transform('cumcount')

# rename columns with the new identifiers
df.columns = df.columns.astype('string') + identifier.astype('string')

print(df)

输出

a0  a1  a2
0   1   2   3

如果只有一个重复列，则可以执行以下操作：

# setup dummy DataFrame with repeated columns
df = pd.DataFrame(data=[[1, 2, 3, 4]], columns=list('aabb'))

# create unique identifier for each repeated column
identifier = df.columns.duplicated().astype(int)

# rename columns with the new identifiers
df.columns = df.columns.astype('string') + identifier.astype(str)

print(df)

输出*（仅限一个副本）*

a0  a1  b0  b1
0   1   2   3   4

添加以“_1”开头的编号后缀，该后缀以第一个重复列开头，适用于出现多次的列。
例如，列名称列表：[a，B，c，a，b，a]将返回[a，b，c，a_1，b_1，a_2]

from collections import Counter

counter = Counter()
empty_list= []

for x in range(df.shape[1]):
  counter.update([df.columns[x]])
  if counter[df.columns[x]] == 1:
    empty_list.append(df.columns[x])
  else: 
    tx = counter[df.columns[x]] -1
    empty_list.append(df.columns[x] + '_' + str(tx))

df.columns = empty_list
df.columns