pandas pivot_table同组值默认求均值 如何保留原始数据不聚合

pivot_table是为聚合透视设计的函数，默认aggfunc='mean'会自动对相同索引+列的键值对做均值聚合，本身不适合保留逐行原始结构的转换场景。之前用aggfunc=list后接explode出现顺序错乱，是因为分组聚合阶段已经丢失了原始数据的逐行位置标记，后续操作无法还原原始排列顺序。

放弃使用pivot_table，通过给重复分组加唯一行标识的方式构造唯一索引键，再用unstack做结构转换，即可完全保留原始行顺序，不会触发任何聚合：

• 第一步：按索引列、透视列分组，给每组内的行加递增序号，保证每一行的索引键全局唯一
• 第二步：设置多层索引后对透视列做unstack，因为键唯一不会触发聚合
• 第三步：删除辅助用的序号列，得到最终结果

对应代码如下：

import pandas as pd

d = pd.DataFrame(data={
    'x_values':[13.4,13.08,12.73,12.,33.,23.,12.],
    'y_values': [1.54, 1.47,1.,2.,4.,4.,3.],
    'experiment':['e', 'e', 'e', 'f', 'f','f','f']
})

# 生成组内唯一行号作为辅助索引
d['_row_no'] = d.groupby(['x_values', 'experiment']).cumcount()

# 长宽转换，无聚合
result = (
    d.set_index(['x_values', '_row_no', 'experiment'])['y_values']
    .unstack('experiment')
    .reset_index('_row_no', drop=True)
)

print(result)

运行后输出完全匹配预期结果：

experiment     e    f
x_values             
13.40       1.54  NaN
13.08       1.47  NaN
12.73       1.00  NaN
12.00        NaN  2.0
33.00        NaN  4.0
23.00        NaN  4.0
12.00        NaN  3.0

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