如何基于已有DataFrame的forces列创建新Pandas DataFrame？

场景1：原始数据为「列名-值」配对的单行记录 #

如果你的原始数据是每行对应一个列名（forces列）和一个对应值，且所有列名唯一：

1. 先把列名和值打包成字典：

col_value_map = dict(zip(df['forces'], df['value']))

2. 直接转成DataFrame：

new_df = pd.DataFrame([col_value_map])

场景2：原始数据包含多组「列名-值」配对（带分组键） #

如果数据里有分组标识（比如id、timestamp，用来区分不同行的完整记录），用pivot重塑数据：

# 按分组键转置，forces为列，value为值
new_df = df.pivot(index='id', columns='forces', values='value').reset_index(drop=True)

如果存在重复的(分组键, forces)组合，用pivot_table指定聚合逻辑（比如取第一个值、均值）：

new_df = df.pivot_table(
    index='id', 
    columns='forces', 
    values='value', 
    aggfunc='first'  # 可替换为sum/mean等
).reset_index(drop=True)

场景3：Forces列存的是列表形式的列名，对应值也是列表 #

如果forces列的单元格是列名列表，values列是对应值列表：

• 单条记录：

new_df = pd.DataFrame([df['values'].iloc[0]], columns=df['forces'].iloc[0])

• 多条记录：

new_df = pd.DataFrame(df['values'].tolist(), columns=df['forces'].iloc[0])

关于你遇到的「索引变量仅返回单个值」问题 #

你大概率是用了df['forces'].iloc[0]这类只提取单一行的索引方式。如果要获取所有列名：

• 去重后的列名：cols = df['forces'].unique().tolist()
• 包含重复的列名（适合需要保留重复列的场景）：cols = df['forces'].tolist()

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