如何将含非唯一列的DataFrame转为唯一索引并合并重复行？支持多级索引吗？

你的需求本质是让重复的索引值在视觉上合并显示（而非真正合并数据行），这在Python的pandas库中完全可以实现，不管是单索引还是多级索引场景都支持。

单索引场景实现 #

先看你给的示例数据，我们可以通过pandas的Styler工具来实现索引的视觉合并：

import pandas as pd

# 构造原数据
df = pd.DataFrame({
    'alfa': [1, 1],
    'beta': [4, 3],
    'ganma': [5, 17]
})

# 设置alfa为索引
df.set_index('alfa', inplace=True)

# 让重复的索引值隐藏，视觉上合并
styled_df = df.style.hide(axis='index', subset=df.index.duplicated())
# 在Jupyter Notebook或类似交互环境中直接运行，就能看到合并后的显示效果
styled_df

运行后你会看到和你期望一致的结果：alfa列的1只在第一行显示，第二行的索引位置为空，所有数据行完整保留。

多级索引场景实现 #

如果是多级索引，同样可以用类似的方法处理每一级的重复索引值：

# 构造多级索引示例数据
df_multi = pd.DataFrame({
    'alfa': [1, 1, 2, 2],
    'beta': ['x', 'x', 'y', 'y'],
    'ganma': [5, 17, 8, 22],
    'delta': [4, 3, 6, 9]
})

# 设置多级索引
df_multi.set_index(['alfa', 'beta'], inplace=True)

# 分别处理每一级索引的重复值，实现视觉合并
styled_multi = df_multi.style.hide(axis='index', subset=[
    df_multi.index.get_level_values(0).duplicated(),  # 隐藏第一级的重复索引值
    df_multi.index.get_level_values(1).duplicated()   # 隐藏第二级的重复索引值
])
styled_multi

这样显示时，alfa的1和2、beta的x和y都只会在首次出现的行显示，后续行的对应索引位置为空，完美实现多级索引的视觉合并。

小提醒：这种方式只是显示层面的优化，底层的数据结构依然保留了所有原始行，索引的重复值也没有被修改——只是在展示时隐藏了重复的部分，完全符合你保留所有数据行的需求。

内容的提问来源于stack exchange，提问作者puppet