如何将数据框行标签转为列并聚合以适配多标签分类？

这里给你两个简单可行的方案，都是基于Pandas的常规操作：

方案一：get_dummies + groupby聚合 #

先把Label列转成独热编码，再按Key、Name、Description分组取最大值（同一组内只要出现过该标签就保留1，没出现就是0）：

import pandas as pd

# 构造示例数据（对应你提供的原始DataFrame）
df = pd.DataFrame({
    'Key': [1,1,2,3],
    'Name': ['Self service', 'Self service', 'Multi cloud', 'Storage issues'],
    'Description': ['We want self service.', 'We want self service.', 'Mutli cloud is needed.', 'Storage upgrade.'],
    'Label': ['Performance', 'Storage', 'Scaling', 'Storage']
})

# 生成标签列的独热编码
dummies = pd.get_dummies(df['Label'])
# 合并原数据与独热编码列
df_combined = pd.concat([df, dummies], axis=1)
# 分组聚合，取最大值确保同一Key组内标签值为1或0
result = df_combined.groupby(['Key', 'Name', 'Description']).max().reset_index()

print(result)

方案二：pivot_table直接转换 #

用透视表功能，指定分组索引和标签列，填充空值为0后整理格式：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Key': [1,1,2,3],
    'Name': ['Self service', 'Self service', 'Multi cloud', 'Storage issues'],
    'Description': ['We want self service.', 'We want self service.', 'Mutli cloud is needed.', 'Storage upgrade.'],
    'Label': ['Performance', 'Storage', 'Scaling', 'Storage']
})

# 生成透视表，aggfunc用count或max均可，fill_value填充空值为0
result = df.pivot_table(
    index=['Key', 'Name', 'Description'],
    columns='Label',
    values='Label',
    aggfunc='count',
    fill_value=0
).reset_index()

# 移除列名的层级标签，匹配目标格式
result.columns.name = None

print(result)

两种方法都能得到你需要的格式，核心是确保同一Key对应的Name、Description是唯一值，这样分组或透视后不会出现重复行。

内容的提问来源于stack exchange，提问作者ayukum