如何在pd.pivot_table()中实现explode效果处理重复索引行？

pd.pivot_table的aggfunc参数只接受聚合类函数（比如sum、mean、list等），explode不属于合法的聚合函数，所以不能直接这么用。要实现你要的展开重复索引行的效果，可以按以下步骤操作：

1. 先给每个group-panel组合的行添加组内序号，用来区分同一分组下的重复行
2. 用pivot将数据整理成目标格式，最后去掉临时添加的序号索引

具体代码如下：

import pandas as pd

df = pd.DataFrame({
    "group": [1,2,2,3,1,2,3], 
    "panel": [1,1,1,1,2,2,2],
    "value": [0,1,2,3,4,5,6]
})

# 给每个group-panel组内的行添加序号
df['row_id'] = df.groupby(['group', 'panel']).cumcount()

# 执行pivot并去掉临时的row_id索引
result = df.pivot(
    index=['group', 'row_id'],
    columns='panel',
    values='value'
).droplevel('row_id')

# 调整列名格式（和期望结果对齐）
result.columns = pd.MultiIndex.from_product([['value'], result.columns])

# 可选：将数值转为整数（NaN会保留为float，这是pandas的特性）
result = result.astype(int, errors='ignore')

print(result)

运行后输出：

value   
panel     1    2
group           
1         0  4.0
2         1  5.0
2         2  NaN
3         3  6.0

如果需要把NaN显示为空或者调整数据类型，可以用result.fillna('').astype(int, errors='ignore')做进一步处理，不过pandas中整数列无法直接存储NaN，会自动转为float类型，这是正常现象。

内容的提问来源于stack exchange，提问作者ascripter