分组生成新DataFrame时，如何添加值来源的标识列？

你可以调整原有代码，结合melt函数同时提取值和对应的来源列名，具体实现如下：

import pandas as pd

# 初始化你的原始DataFrame A
df = pd.DataFrame({
    'Col A': [1000, 1000, 2000, 2000],
    'Col B': [100, 100, 200, 200],
    'Col C': [10, 20, 30, 40]
})

# 生成目标DataFrame B
out = (df.groupby('Col A', group_keys=False, sort=False)
         # 对每个分组逆序列，再转成窄表自动保留来源列名
         .apply(lambda d: d.iloc[:, ::-1].melt(var_name='Col C', value_name='Col A & B'))
         # 去除重复的（值+来源）组合
         .drop_duplicates(subset=['Col A & B', 'Col C'])
         .reset_index(drop=True)
         # 调整列顺序匹配需求
         [['Col A & B', 'Col C']]
)

print(out)

代码说明： #

• groupby('Col A', sort=False)：保持原数据的分组顺序，避免打乱结果的排列逻辑。
• d.iloc[:, ::-1]：将每个分组的列逆序（从Col C到Col A），确保提取顺序和你需要的输出一致。
• melt(...)：把宽表转为窄表，var_name存储原列名（即值的来源），value_name存储对应的值。
• drop_duplicates(...)：去除重复的数值-来源组合，避免原数据中重复行导致的冗余结果。

运行后得到的结果完全匹配你给出的DataFrame B：

内容的提问来源于stack exchange，提问作者John Mark Johnson