如何将DataFrame的一列作为其他列名后缀实现高效宽表转换？

当然有！你当前的循环拼接方法确实不够高效，尤其是在数据量较大或者需要处理多列的时候。Pandas内置的**pivot/pivot_table**函数完美匹配你的需求——只需要指定几个关键参数，就能自动完成列的拆分、重命名和数据填充，完全不用手动处理那些不受C列影响的字段。

核心方法：pivot函数 #

这是最直接的解决方案，适合你的数据场景（每个(A,C,D)组合唯一，没有重复值）：

步骤1：执行透视操作 #

把不需要拆分的列（A、D）设为索引，用C列的值作为新列的后缀，B列作为填充值：

import pandas as pd

# 构造测试数据
data = {
    'A': [1,1,1,2,2,2],
    'B': [10,20,30,40,50,60],
    'C': ['x','y','z','x','y','z'],
    'D': [5,5,5,6,6,6]
}
df = pd.DataFrame(data)

# 核心透视操作
pivoted = df.pivot(index=['A', 'D'], columns='C', values='B')

步骤2：整理列名和索引 #

此时的结果列名是x、y、z，我们需要给它们加上B_前缀，同时重置索引让A、D回到普通列：

out = pivoted.add_prefix('B_') \
             .reset_index() \
             .rename_axis(None, axis=1)  # 去掉列索引的冗余名称（C）

最终输出的结果完全符合你的需求：

A  D  B_x  B_y  B_z
0  1  5    10    20    30
1  2  6    40    50    60

进阶：处理重复值场景 #

如果你的数据中存在重复的(A,C,D)组合（比如同一组键对应多个B值），可以用pivot_table替代，指定聚合函数来处理重复值：

# 示例：取重复值中的第一个，也可根据需求用mean、sum等聚合逻辑
out = df.pivot_table(index=['A', 'D'], columns='C', values='B', aggfunc='first') \
        .add_prefix('B_') \
        .reset_index() \
        .rename_axis(None, axis=1)

为什么这个方法更优？ #

• 高效性：透视操作是Pandas内部优化过的矢量化操作，比手动循环拼接快得多，数据量越大优势越明显
• 灵活性：不管你有多少个不受影响的列（比如A、D之外还有更多字段），只需要把它们全部放到index参数里即可，不用手动逐个处理
• 扩展性：如果需要处理多个值列（比如除了B还有E列），只需要把values改成列表['B', 'E']，自动生成B_x、E_x这类规范列名
• 代码简洁：几行代码就能完成原来十几行的工作，可读性和维护性更强

内容的提问来源于stack exchange，提问作者MikeL