如何在不聚合、不使用人工索引的情况下透视数据并保留列名？

问题原因 #

1. 执行df.pivot_table(index='hash',columns=['ft','key'])时，由于未指定values参数，pandas会自动对所有数值类型列（如id、value）进行透视处理，因此生成了多层级列名（如('id', '1', 'aaa')）；同时因为hash+ft+key组合存在重复行（比如hash=1ab, ft=1, key=aaa对应两行不同id的数据），pivot_table默认使用mean聚合，违背了你“不聚合”的需求。
2. 执行df.pivot_table(index='hash',columns=['ft','key'], values='value')得到空DataFrame，是因为value列包含字符串（如13ADF），而pivot_table默认聚合函数mean无法对字符串进行计算，最终返回空值。

解决方案 #

要保留原有列且避免不必要聚合，核心是确保透视的索引+列组合唯一，可以通过以下两种方式实现：

方法1：使用pivot（适用于无重复组合的场景） #

将除key、value外的所有列设为透视索引，直接将key转为列、value作为对应值：

# 设置透视索引为所有非key/value的列，执行透视后重置索引
df_pivoted = df.pivot(
    index=['hash', 'ft', 'timestamp', 'id'],
    columns='key',
    values='value'
).reset_index()

# 可选：扁平化列名，去除多层结构
df_pivoted.columns = [col if isinstance(col, str) else col[1] for col in df_pivoted.columns]

方法2：使用pivot_table（适用于存在少量重复组合的场景） #

如果存在同一hash/ft/timestamp/id下重复key的行，可指定aggfunc='first'保留第一行数据，避免聚合：

df_pivoted = df.pivot_table(
    index=['hash', 'ft', 'timestamp', 'id'],
    columns='key',
    values='value',
    aggfunc='first'  # 取重复组合的第一行值，不做聚合计算
).reset_index()

# 扁平化列名
df_pivoted.columns = [col if isinstance(col, str) else col[1] for col in df_pivoted.columns]

最终得到的结果会保留所有原始列（hash、ft、timestamp、id），同时将key的每个唯一值转为独立列，对应填充value数据，完全满足你的需求。

内容的提问来源于stack exchange，提问作者RustyShackleford