pandas 分组聚合 如何使用行转列显示，colunms不唯一 需要去重

您可以使用`pivot_table()`函数将分组聚合后的结果进行透视（行转列）操作，并使用`aggfunc`参数指定聚合函数。同时，您可以使用`pivot_table()`函数的`reset_index()`方法将透视表恢复成普通的DataFrame对象，并使用`drop_duplicates()`函数去重。示例如下：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [9, 10, 11, 12, 13, 14, 15, 16]
})

# 分组聚合，并使用行转列显示
pivot_df = pd.pivot_table(df, index=['A', 'B'], values=['C', 'D'], aggfunc='sum')
print(pivot_df)

# 透视表恢复成DataFrame对象
result_df = pivot_df.reset_index()

# 去重
result_df.drop_duplicates(subset=['A', 'B'], inplace=True)
print(result_df)

输出结果如下：

           C         D
A   B                
bar one     2        10
    three   4        12
    two    11        28
foo one     8        24
    three   8        16
    two     8        28
      A      B  C   D
0  bar    one  2  10
1  bar  three  4  12
2  bar    two  11  28
3  foo    one  8  24
4  foo  three  8  16
5  foo    two  8  28

其中，第一个输出结果是透视表，第二个输出结果是去重后的DataFrame对象。请根据您的实际需求调整代码中的参数。