Pandas：基于元组字典创建分层列结构的DataFrame

Python/Pandas 高效实现（无冗余副本） #

直接从原始字典构造长格式数据，避免concat这类会生成副本的操作，再通过透视转换为目标结构：

1. 构造长格式数据 #

把字典的元组键和问题列表拆解为包含项目名、版本、问题的行数据：

import pandas as pd

# 示例数据
sample_data = {
    ("XBOX360", "v1.0"): ["问题1", "问题2"],
    ("XBOX360", "v2.0"): ["问题3"],
    ("PS5", "v1.0"): ["问题4", "问题5", "问题6"],
    ("PC", "v1.0"): ["问题7"],
    ("PC", "v2.0"): ["问题8", "问题9"]
}

# 直接生成行列表，无中间副本
rows = []
for (proj, ver), issues in sample_data.items():
    for issue in issues:
        rows.append({"project": proj, "target_version": ver, "issue": issue})

df_long = pd.DataFrame(rows)

2. 转换为3列目标结构 #

通过分组生成行号，再透视得到按项目分栏的格式：

# 为每个项目的问题生成连续行号
df_long["row_id"] = df_long.groupby("project").cumcount()

# 透视成目标结构：项目为列，行号为索引，问题为值
df_target = df_long.pivot(index="row_id", columns="project", values="issue")

# 可选：简化结构，去掉索引和列层级
df_target = df_target.reset_index(drop=True)
df_target.columns.name = None

最终df_target就是3列（XBOX360、PS5、PC）的结构，每个项目列下堆叠对应所有版本的问题，空值自动填充NaN，直接用df_target.to_excel()即可导出。这种方式全程基于原始数据构造，无多余副本，性能开销极低。

Excel 手动操作方案 #

不想用代码的话，可通过Excel的Power Query工具完成转换：

1. 导入数据：把字典导出为Excel（或直接粘贴元组列名和问题列表），确保每列对应一个(project_name, target_version)元组，列内是问题内容。
2. 拆分列名：选中所有列名，用「数据」选项卡的「文本分列」，按括号/逗号拆分出项目名，存为辅助列。
3. 逆透视转长格式：选中所有问题列，进入Power Query编辑器，选择「转换」→「逆透视列」→「逆透视其他列」，得到包含「项目名」「版本」「问题」的长表。
4. 透视回目标结构：添加「索引列」（从0开始），再选择「转换」→「透视列」，设置「值列」为「问题」、「列名」为「项目名」，生成3列结构后加载回Excel。

内容的提问来源于stack exchange，提问作者Alex