我遇到了一个问题，但找不到有效的解决方案。
作为起点，我有一个从包含以下信息的 XML 文件创建的数组：
| Location | Description | Status | ..... | Product| Name | Price | Product| Name | Price | ...
| 1 | "Foo" | 1 | | | 124 | 4.2 | | 122 | 8.8 |
| 2 | "Bar" | 1 | | | 122 | 8.9 | | NaN | NaN |
前 n 列包含通用信息，对于相应行中的所有“产品”来说都是相同的。最后 24 列包含 3 列的 8 个子集，具有相同的重复名称集 [“产品”、“名称”、“价格”]。
为了进一步处理数据，我想将最后 24 列的数据“堆叠”为三列的子集，以获得如下所示的结果：
| Location | Description | Status | ..... | Product| Name | Price |
| 1 | "Foo" | 1 | | | 124 | 4.2 |
| | | | | | 122 | 8.8 |
| 2 | "Bar" | 1 | | | 122 | 8.9 |
| | | | | | NaN | NaN |
或
| Location | Description | Status | ..... | Product| Name | Price |
| 1 | "Foo" | 1 | | | 124 | 4.2 |
| 1 | "Foo" | 1 | | | 122 | 8.8 |
| 2 | "Bar" | 1 | | | 122 | 8.9 |
| 2 | "Bar" | 1 | | | NaN | NaN |
我尝试按如下方式解决我的转换问题：
第 1 步：删除重复的相同列名（以便稍后能够使用 df.stack()：
cols=pd.Series(result_list_xml_t[0])
for dup in cols[cols.duplicated()].unique():
cols[cols[cols == dup].index.values.tolist()] = [dup + '.' + str(i) if i != 0 else dup for i in range(sum(cols == dup))]
第2步：创建MultiIndex进行分组
columns_xml = pd.MultiIndex.from_arrays([xml_groups,cols])
这样，我创建了一个 pandas df，如下所示：
| base | prod1 | prod 2
| Location | Description | Status | ..... | Product.1| Name.1 | Price.1 | Product.2| Name.2 | Price.2 | ...
1 | 1 | "Foo" | 1 | | | 124 | 4.2 | | 122 | 8.8 |
2 | 2 | "Bar" | 1 | | | 122 | 8.9 | | NaN | NaN |
现在，我只想堆叠产品组，同时维护基础组。这可以通过使用堆栈函数来完成还是有其他更有效的方法？
因为这个线程，我尝试使用 df.stack： Stack Overflow - Unnnest 多索引数据框 但
df.stack(future_stack=True,level=0) | | base | prod1 | prod2 | prod3| ...
0 | Location | 1 |
0 | Description| "Foo" |
0 | Status | 1 |
...
0 | Product.1 | | | | |
0 | Name.1 | | 124 | | |
0 | Price.1 | | 4.2 | | |
...
我还尝试使用以下线程Unstack or Pivot in Pandas提出的 .melt() 和 .set_index() 组合，但这也没有让我更接近。