使用df.pivot转换含重复索引的文本列DataFrame遇报错求解决方案

你遇到的报错是因为pivot()方法要求每个(index, column)组合必须唯一，但你的数据里index=2时，column=B有green和red两个值，column=C有eight和five两个值，存在重复的(index, column)对，所以无法直接用pivot()完成转换。

你的需求本质是要生成同一index下不同column对应多值的笛卡尔积组合，下面是最优的实现方案：

步骤1：构造示例数据（匹配你的输入） #

先把你的数据转换成DataFrame方便测试：

import pandas as pd
from itertools import product

# 你的原始数据
data = [
    [0, 1, 'A', 'cat'],
    [1, 1, 'B', 'blue'],
    [2, 1, 'C', 'seven'],
    [3, 2, 'A', 'dog'],
    [4, 2, 'B', 'green'],
    [5, 2, 'B', 'red'],
    [6, 2, 'C', 'eight'],
    [7, 2, 'C', 'five'],
    [8, 3, 'A', 'fish'],
    [9, 3, 'B', 'pink'],
    [10, 3, 'C', 'one']
]
df = pd.DataFrame(data, columns=['original_idx', 'index', 'column', 'data'])

步骤2：生成笛卡尔积组合的核心代码 #

我们先通过pivot_table把每个(index, column)对应的所有值收集成列表，再对这些列表做笛卡尔积展开：

# 第一步：转成宽表，每个单元格存储对应column的所有值（列表形式）
pivoted = df.pivot_table(
    index='index',
    columns='column',
    values='data',
    aggfunc=list  # 用list聚合同一(index,column)下的所有值
).reset_index()

# 第二步：展开每个index下的多值组合
result_rows = []
for _, row in pivoted.iterrows():
    # 处理单个值的情况（比如index=1的A/B/C都只有一个值，转成单元素列表）
    a_vals = row['A'] if isinstance(row['A'], list) else [row['A']]
    b_vals = row['B'] if isinstance(row['B'], list) else [row['B']]
    c_vals = row['C'] if isinstance(row['C'], list) else [row['C']]
    
    # 生成A/B/C值的所有笛卡尔积组合
    for a, b, c in product(a_vals, b_vals, c_vals):
        result_rows.append({'index': row['index'], 'A': a, 'B': b, 'C': c})

# 转成最终的DataFrame
result_df = pd.DataFrame(result_rows)

最终输出结果 #

运行上述代码后，result_df就是你期望的格式：

index     A      B      C
0      1   cat   blue  seven
1      2   dog  green  eight
2      2   dog  green   five
3      2   dog    red  eight
4      2   dog    red   five
5      3  fish   pink    one

为什么这个方案最优？ #

1. 逻辑清晰：先聚合同一分组下的多值，再生成组合，完全匹配你的需求；
2. 通用性强：即使后续新增其他column（比如D），只需要在代码中添加对应列的处理即可；
3. 性能高效：利用pandas的分组聚合能力处理数据，再通过itertools.product高效生成笛卡尔积，比手动循环原始数据更高效。

内容的提问来源于stack exchange，提问作者Jordan