如何在不聚合的情况下透视DataFrame并保留重复索引行？

问题背景 #

你有如下结构的DataFrame：

import pandas as pd

l1 = ['a','b','c','d','a','b','c','d','e','f']
l2 = ['a1','b1','c1','d1','a1','b1','c1','d1','e1','f1']
l3 = ['a2','b2','c2','d2','a2','b2','c2','d2','e2','f2']
l4 = [1,2,3,4,5,6,7,8,9,10]
df = pd.DataFrame({'Col1':l1,'Col2':l2,'Col3':l3,'Col4':l4})

使用pivot_table()透视时，它默认会对相同索引的行做聚合（比如均值），导致每个(Col1, Col2)组合仅返回一行，无法保留原数据中重复索引的所有行：

pd.pivot_table(df,columns='Col3',values='Col4',index=['Col1','Col2'])

需求：按Col1和Col2作为索引完成透视，但不执行聚合，保留所有原始行的信息，重复索引也能逐行显示。

解决方案 #

方法1：pivot() + 临时索引 #

pivot()默认不做聚合，但要求索引+列的组合唯一，因此可以先添加临时递增索引避免冲突，透视后再移除临时索引：

# 添加临时索引列
df['temp_idx'] = range(len(df))
# 执行透视
result = df.pivot(index=['temp_idx', 'Col1', 'Col2'], columns='Col3', values='Col4')
# 移除临时索引，保留目标索引层级
result = result.droplevel('temp_idx')

方法2：crosstab() + 列表聚合+展开 #

通过指定聚合函数为列表，再将列表拆分为多行，实现保留所有原始值：

# 生成以列表存储多值的透视表
ct = pd.crosstab(
    index=[df['Col1'], df['Col2']],
    columns=df['Col3'],
    values=df['Col4'],
    aggfunc=list
)
# 展开列表为单独行，恢复原索引结构
result = ct.apply(pd.Series.explode).reset_index().set_index(['Col1', 'Col2'])

方法3：groupby() + 自定义透视 #

对每个索引分组单独执行透视，自动保留组内所有行：

def pivot_group(group):
    return group.pivot(columns='Col3', values='Col4')

result = df.groupby(['Col1', 'Col2'], group_keys=False).apply(pivot_group)

内容的提问来源于stack exchange，提问作者Yash