使用melt与pivot转置指定列时如何保留全部信息？

我明白你遇到的困扰了——用melt+pivot组合处理时，因为同一分组下存在多个对应值，默认的聚合函数只会保留第一个，导致部分数据丢失。要解决这个问题，核心是给每个需要保留的独立条目添加分组内的序号，让pivot操作能识别出这些是不同的行，不会合并它们。

具体步骤和代码实现 #

先看我们的原始数据：

import pandas as pd

df = pd.DataFrame({
    'id': [0,1,2,3],
    'Gender': ['M','F','M','F'],
    'TV': ['Daily','Monthly','Weekly','Daily'],
    'Radio': ['Daily','Weekly','Weekly','Daily']
})

步骤1：用melt转换为长格式

这一步你原来的操作是正确的，先把宽表转成长表，把TV、Radio这类列名转为数据行：

melted = df.melt(id_vars=['id', 'Gender'], var_name='Media', value_name='Frequency')

转换后的melted长表是这样的：

步骤2：添加分组内序号

给每个(id, Gender)组合添加一个递增序号，用来区分同一组内的不同Media条目（比如同一个id+Gender下的TV和Radio）：

melted['seq'] = melted.groupby(['id', 'Gender']).cumcount()

此时melted会多一列seq，同一个id+Gender下的行从0开始编号，确保每个条目都有唯一的分组标识：

步骤3：pivot并整理最终结果

现在把seq也加入pivot的索引，这样每个条目都会被当成独立行处理，不会被聚合合并：

pivoted = melted.pivot(index=['id', 'Gender', 'seq'], columns='Frequency', values='Media')
# 重置索引并清理多余的列和轴名称
result = pivoted.reset_index().drop(columns='seq').rename_axis(columns=None)

最终得到的result完全符合你的期望格式：

为什么原来的方法会丢失信息？ #

你之前用pivot_table的aggfunc='first'时，当同一个(id, Gender, Frequency)组合下有多个对应值（比如id0的Daily同时对应TV和Radio），聚合函数只会取第一个匹配的值，自然就丢失了后面的条目。而添加seq之后，每个条目都有了唯一的(id, Gender, seq)索引，pivot时会把它们视为独立行，彻底避免了数据合并丢失的问题。

内容的提问来源于stack exchange，提问作者s_khan92