pandas DataFrame如何合并重复列生成唯一列结构

目标结构说明 #

你当前的原始DataFrame为单行四列、列名重复（AB、XY、AB、XY），对应值为yyy、xxx、xrx、zzz，需要转换为两列（AB、XY）、两行分别对应同名列横向取值的规整结构：

可直接运行的实现代码 #

首先构造与你描述完全匹配的原始测试DataFrame：

import pandas as pd

# 原始重复列DataFrame
raw_df = pd.DataFrame(
    [["yyy", "xxx", "xrx", "zzz"]],
    columns=["AB", "XY", "AB", "XY"]
)

方法1：同名列逐列提取拼接（逻辑最直观） #

核心逻辑是提取每个唯一列名下的所有横向重复值，将其转为纵向序列，最终拼接为规整表：

# 拿到无重复的列名列表
unique_columns = raw_df.columns.unique()

# 逐列提取重复值并转为纵向序列，拼接为新DataFrame
result = pd.concat(
    [
        raw_df[col].stack().reset_index(drop=True).rename(col)
        for col in unique_columns
    ],
    axis=1
)

方法2：转置后按列名分组处理（适合大规模数据） #

核心逻辑是先转置把原来的列名转为行索引，再按列名分组拆分横向的重复列组，适配更大体量的重复列场景：

# 先将原表转置，原列名转为行索引
transposed_df = raw_df.T

# 按列名分组，将同组的重复列值拆为独立行，再转置回目标结构
result = transposed_df.groupby(level=0).apply(
    lambda group: group.reset_index(drop=True).T
).droplevel(0).reset_index(drop=True)

效果验证 #

两种方法运行后得到的result均与目标结构完全一致：

AB   XY
0  yyy  xxx
1  xrx  zzz

注意：如果不同列名的重复出现次数不一致，上述两种方法都会自动按最短重复次数对齐，缺失值自动填充为NaN，无需额外兼容处理

内容的提问来源于stack exchange，提问作者oyugi.collins