如何更高效地转换Pandas DataFrame的列与元素对应关系？

问题说明 #

现有如下Pandas DataFrame：

import pandas as pd

list_dict = [{'good':'Ahmad', 'bad':'Reza', 'ugly':'Ali'},
             {'good':'David', 'bad':'Frank', 'ugly':'Alice'},
             {'good':'Ali', 'bad':'Alice', 'ugly':'Bob'}]
df = pd.DataFrame(list_dict)

原结构展示：

good    bad     ugly
0  Ahmad   Reza     Ali
1  David  Frank   Alice
2    Ali  Alice     Bob

需要转换为以下格式：

Ahmad  Reza    Ali  David  Frank  Alice    Bob
0    good   bad   ugly    NaN    NaN    NaN    NaN
1     NaN   NaN    NaN   good    bad   ugly    NaN
2     NaN   NaN   good    NaN    NaN    bad   ugly

当前实现方式为逐行转字典、交换键值对后生成目标DataFrame，现寻求更高效的替代方案。

高效实现方法 #

方法1：melt + pivot 组合 #

利用Pandas内置的重塑函数，实现矢量化操作：

# 保留行索引信息
df = df.reset_index()

# 宽表转长表，提取映射关系
melted_df = df.melt(id_vars='index', var_name='category', value_name='name')

# 透视生成目标结构
result = melted_df.pivot(index='index', columns='name', values='category')

# 重置索引并匹配目标列顺序（可选）
result = result.reset_index(drop=True)[['Ahmad', 'Reza', 'Ali', 'David', 'Frank', 'Alice', 'Bob']]

方法2：stack + unstack 组合 #

更简洁的层级索引操作方式：

# 堆叠列到行，构建多级索引
stacked = df.stack()

# 交换索引层级并反向透视
result = stacked.reset_index(level=1).set_index(0, append=True)['level_1'].unstack()

# 重置行索引
result = result.reset_index(drop=True)

方案优势 #

两种方法均基于Pandas的矢量化引擎，避免了逐行循环和字典转换的额外开销，在数据量较大时性能提升显著，同时代码结构更简洁、易维护。

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