如何在Pandas中基于列值与列名创建新列并赋值

我有一个包含8列的DataFrame，命名为df：

Duration Location     a  b  c  d  e  f 
3M       Tuscaloosa   1  2  3  4  5  6
LCM      Tuscaloosa   7  8  7  2  3  5
CW       Tuscaloosa   9  1  0  0  3  1 
PW       Tuscaloosa   1  9  9  9  1  0   
3M       Miami        4  7  0  1  3  8       
LCM      Miami        8  2  7  8  8  1 
CW       Miami        1  3  5  7  9  1  
PW       Miami        8  8  4  4  2  0 
3M       New York     1  4  6  7  8  8 
LCM      New York     3  3  4  4  5  5 
CW       New York     1  1  1  2  2  2  
PW       New York     9  9  9  9  9  9  
3M       San Diego    9  3  5  6  7  1  
LCM      San Diego    1  8  9  0  0  1 
CW       San Diego    7  8  2  1  1  3 
PW       San Diego    0  9  4  6  1  4

我希望基于Duration列的值、a至f列的列名与数值创建新列，预期输出如下：

Duration Location     a  b  c  d  e  f  3Ma  LCMa   CWa    PWa   3Mb   LCMb   CWb    PWb   3Mc ....
3M       Tuscaloosa   1  2  3  4  5  6  1    null   null   null  2     null   null   null   3
LCM      Tuscaloosa   7  8  7  2  3  5  null 7      null   null  null  8      null   null   null
CW       Tuscaloosa   9  1  0  0  3  1  null null   9      null  null  null   1      null   null
PW       Tuscaloosa   1  9  9  9  1  0  null null   null   1     null  null   null   9      null
3M       Miami        4  7  0  1  3  8  4    null   null   null  7     null   null   null   0
LCM      Miami        8  2  7  8  8  1  null 8      null   null  null  2      null   null   null
CW       Miami        1  3  5  7  9  1  null null   1      null  null  null   3      null   null
PW       Miami        8  8  4  4  2  0  null null   null   8     null  null   null   8      null
3M       New York     1  4  6  7  8  8  1    null   null   null  4     null   null   null   6
LCM      New York     3  3  4  4  5  5  null 3      null   null  null  3      null   null   null
CW       New York     1  1  1  2  2  2  null null   1      null  null  null   1      null   null
PW       New York     9  9  9  9  9  9  null null   null   9     null  null   null   9      null
3M       San Diego    9  3  5  6  7  1  9    null   null   null  3     null   null   null   5
LCM      San Diego    1  8  9  0  0  1  null 1      null   null  null  8      null   null   null
CW       San Diego    7  8  2  1  1  3  null null   7      null  null  null   8      null   null
PW       San Diego    0  9  4  6  1  4  null null   null   0     null  null   null   9      null

我尝试过.unstack()方法，但不确定如何适配当前场景，使用normalize方法也未成功，恳请提供帮助。

可以通过透视拼接的方式高效实现需求，以下是两种可行方案：

方案1：简洁向量化实现（推荐） #

利用Pandas的透视功能直接生成目标列，避免逐行操作，适合大数据量场景：

import pandas as pd

# 透视数据，将Duration转为列前缀
pivot_df = df.pivot(index=['Location', 'Duration'], columns='Duration', values=['a', 'b', 'c', 'd', 'e', 'f'])
# 合并列层级，生成3Ma、LCMb这类格式的列名
pivot_df.columns = [f"{dur}{col}" for col, dur in pivot_df.columns]
# 重置索引恢复原始的Location和Duration列
pivot_df = pivot_df.reset_index()
# 和原DataFrame合并，保留所有原始列
result_df = df.merge(pivot_df, on=['Location', 'Duration'], how='left')

方案2：逐列生成（小数据量适用） #

如果需要更直观的逻辑，可以遍历列和Duration值生成新列：

import pandas as pd

# 获取Duration的所有唯一值
duration_values = df['Duration'].unique()
# 存储新列的临时DataFrame
new_cols = pd.DataFrame()

# 遍历每个目标列（a到f）
for col in ['a', 'b', 'c', 'd', 'e', 'f']:
    # 遍历每个Duration值生成对应新列
    for dur in duration_values:
        new_col_name = f"{dur}{col}"
        # 仅当当前行Duration匹配时填充值，其余为NaN
        new_cols[new_col_name] = df.apply(lambda x: x[col] if x['Duration'] == dur else pd.NA, axis=1)

# 拼接原df和新列
result_df = pd.concat([df, new_cols], axis=1)

两种方案都能生成符合预期的结果，方案1的向量化操作效率更高，优先推荐。

内容的提问来源于stack exchange，提问作者PureCrust