Dataframe行列重塑求助：指定列转表头并构造新列

嘿，我明白你遇到的问题了——pivot表确实不太适合处理这种移位填充的需求，咱们换个更直接的思路来实现你的三个要求。下面是完整的代码实现，每一步都有详细解释：

步骤1：构造原始测试数据 #

首先咱们先把你给出的原始Dataframe构造出来，方便复现和测试：

import pandas as pd

df = pd.DataFrame({
    'A': [1,2,3,4,5],
    'B': ['a','b','c','d','e'],
    'C': ['x','y','z','p','q'],
    'D': [11,22,33,44,55],
    'E': ['k','j','h','g','f'],
    'F': [9,10,11,12,13]
})

步骤2：生成以原A列值为表头的移位填充列 #

这一步是核心，要实现原C列值按行右移填充到对应表头列：

# 提取原C列的所有值
c_values = df['C'].values
# 初始化存储移位后数据的列表
shifted_c_data = []

# 遍历每一行，生成对应的移位数据
for idx in range(len(df)):
    # 从当前行开始取C列的值，不足5个的部分补空值
    current_row = list(c_values[idx:]) + [None] * (5 - len(c_values[idx:]))
    shifted_c_data.append(current_row)

# 转为Dataframe，列名用原A列的数值（转成字符串避免索引冲突）
shifted_c_df = pd.DataFrame(shifted_c_data, columns=df['A'].astype(str).tolist())

这样处理后，第一行会填充C列的全部值，第二行从C列的第二个值开始填充，以此类推，完美实现“按行右移填充”的效果。

步骤3：生成M1-M5列（全量填充原F列值） #

这个需求很简单，只需要把原F列的所有值重复到每一行即可：

# 提取原F列的所有值
f_values = df['F'].tolist()
# 生成M列的Dataframe，每一行都是F列的全量值
m_columns = pd.DataFrame([f_values]*len(df), columns=[f'M{i+1}' for i in range(5)])

步骤4：拼接所有部分得到最终结果 #

最后把原表的B、D、E列，加上刚才生成的移位列和M列，按列拼接起来：

# 按列拼接所有Dataframe
final_df = pd.concat([df[['B', 'D', 'E']], shifted_c_df, m_columns], axis=1)

# 打印查看结果
print(final_df)

运行后得到的结果完全符合你的需求：

• 新表头包含原A列的1-5作为列名
• C列的值按行右移填充到对应列
• M1-M5列每一行都填充了原F列的所有值

如果你的新表中D列的数值（11,12,13...）是笔误需要递增的话，只需要在拼接后加一行：

final_df['D'] = 11 + final_df.index

内容的提问来源于stack exchange，提问作者Sudhakar