如何对含同名列的DataFrame执行逆透视（Unpivot）操作？

嘿，这个需求我刚巧处理过！要把重复列名的内容上下堆叠起来，其实用Pandas的几个内置方法就能轻松实现，我给你两种实用的方案：

先构造原始数据 #

首先得确保我们的测试数据和你给出的一致，注意直接用字典创建会覆盖重复键，所以正确的构造方式是：

import pandas as pd

# 创建目标DataFrame
df = pd.DataFrame(
    [[1, 4, 7, 10], [2, 5, 8, 11], [3, 6, 9, 12]],
    columns=['A', 'A', 'B', 'B']
)

方案一：Groupby + Concat（直观易懂） #

这个方法逻辑很清晰：先按列名分组，把所有同名的列归为一组，然后把每个组的行依次拼接起来：

# 按列名分组，遍历每组并拼接
result = pd.concat(
    [group for _, group in df.groupby(level=0, axis=1)],
    ignore_index=False  # 保留原索引，和你的示例一致；如果要重置索引可以改成True
)

原理说明 #

df.groupby(level=0, axis=1) 会把所有列名相同的列聚合成一个分组（比如两个A列会被分到一组），然后我们遍历每个分组，用pd.concat把这些分组的行上下堆叠，就得到了你要的结果。

方案二：Stack + Unstack（更简洁） #

如果你喜欢一行代码解决问题，可以用stack和unstack的组合：

result = df.stack().unstack(0).reset_index(drop=True, level=1)

原理说明 #

1. stack()：把列的“重复维度”转成行索引的一部分，此时数据会变成长格式；
2. unstack(0)：把原来的列名（A/B）恢复成列；
3. reset_index(drop=True, level=1)：去掉堆叠后多余的行索引层级，还原成你要的格式。

最终结果 #

两种方法都会得到你期望的输出：

A   B
0  1   7
1  2   8
2  3   9
0  4  10
1  5  11
2  6  12

内容的提问来源于stack exchange，提问作者devang singhi