如何正确透视Pandas DataFrame以获取目标格式结果？

原始DataFrame #

import pandas as pd
df2 = pd.DataFrame({
    'nombreNumeroUnico': ['UP2_G1_B', 'UP2_G2_B'],
    'pMax': [110.0, 110.0]
})

# 输出：
#   nombreNumeroUnico   pMax
# 0          UP2_G1_B  110.0
# 1          UP2_G2_B  110.0

预期结果 #

希望转换为如下格式：

UP2_G1_B  UP2_G2_B
0       110       110

已尝试方法 #

使用pivot函数未得到预期结果：

df2.pivot(index=None, columns="nombreNumeroUnico", values="pMax")

# 输出：
# nombreNumeroUnico  UP2_G1_B  UP2_G2_B
# 0                     110.0       NaN
# 1                       NaN     110.0

解决方法 #

可以通过以下两种方式实现目标格式：

方法一：设置索引后转置并重置索引 #

将nombreNumeroUnico设为索引，转置后重置索引即可得到单行结果，还可按需转换数据类型：

df_result = df2.set_index('nombreNumeroUnico').T.reset_index(drop=True)
# 转换为整数类型（可选）
df_result = df_result.astype(int)

方法二：直接构造字典生成新DataFrame #

利用原数据的两列构造字典，再生成单行DataFrame：

df_result = pd.DataFrame([dict(zip(df2['nombreNumeroUnico'], df2['pMax']))]).astype(int)

说明 #

之前使用pivot得到的结果会保留原DataFrame的索引，每一行对应原数据的一条记录，因此出现NaN。而上述方法是将所有列整合到同一行，符合预期格式。

内容的提问来源于stack exchange，提问作者Cedric Zoppolo