如何将指定DataFrame转换为以Type列为索引的特定列表？

你需要将Type列值作为列表索引、Value列值作为对应元素，空缺索引填充空字符串，下面是几种比手动遍历更高效简洁的pandas原生实现方式：

方法1：set_index + reindex 组合 #

借助pandas的索引对齐特性，一步完成索引匹配与填充：

import pandas as pd

df = pd.DataFrame([['Value1', 1], ['Value3', 3], ['Value4', 4]], columns=['Value', 'Type'])

# 设置Type为索引，重新覆盖0到Type最大值的全范围索引，空缺填充空字符串
result_series = df.set_index('Type')['Value'].reindex(range(df['Type'].max() + 1), fill_value='')
# 转换为目标列表
result_list = result_series.tolist()

print(result_list)  # 输出: ["", "Value1", "", "Value3", "Value4"]

方法2：直接构造Series处理 #

如果不想修改原DataFrame的结构，可以单独构造Series后处理：

import pandas as pd

df = pd.DataFrame([['Value1', 1], ['Value3', 3], ['Value4', 4]], columns=['Value', 'Type'])

# 用Type作为索引创建Series，再重新索引补全空缺
value_series = pd.Series(df['Value'].values, index=df['Type'])
result_list = value_series.reindex(range(value_series.index.max() + 1), fill_value='').tolist()

print(result_list)

方案对比 #

• 你的遍历方法需要手动维护双索引逻辑，代码冗余且容易在Type非连续/乱序时出错，时间复杂度为O(n)。
• 上述pandas原生方法利用了内部优化的向量化操作，效率更高，代码更简洁，能自动适配Type列的各种分布情况。

内容的提问来源于stack exchange，提问作者Ksartor