如何将Pandas DataFrame中列A的行值转为列名、列B的行值转为对应列的行数据？

你需要先为每个A分组内的元素分配一个行序号，再通过pivot实现转换——这正是你之前尝试时缺少的关键步骤。下面是完整的实现代码：

步骤1：准备原始数据（如果还没创建） #

import pandas as pd

# 构建你的原始DataFrame
df = pd.DataFrame({
    'A': [254,254,253,253,253,252,251,251,251,251,250,250,250,250,250],
    'B': [1.2,0.9,2,1.8,1.9,1.5,1.2,1.7,1.8,1.6,0.9,0.95,1.1,1.11,1]
})

步骤2：添加分组内的行序号 #

给每个A对应的B值按出现顺序分配一个唯一的行ID，这样后续转宽格式时能准确定位每行数据：

df['row_id'] = df.groupby('A').cumcount()

步骤3：转置为目标格式 #

使用pivot方法，以行ID为索引、A的值为列名、B的值为填充内容，最后去掉行ID索引：

# 执行pivot转换
result_df = df.pivot(index='row_id', columns='A', values='B').reset_index(drop=True)

# 将NaN替换为空字符串（和你示例中的格式一致）
result_df = result_df.fillna('')

运行后得到的result_df就是你想要的格式：

为什么之前的方法不生效？ #

• dataframe.T是直接转置整个DataFrame，完全不符合分组转列的需求；
• 直接用pivot会因为A列存在重复值而无法生成唯一的索引-列组合，导致报错或自动聚合；
• melt是宽格式转长格式的工具，和你的需求正好相反。

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