如何在同一DataFrame中将单列转换为表头行并重构数据？

原始数据集：

期望输出结果：

尝试过DataFrame.T（仅对整个DataFrame生效）和pivot()方法，但未达到预期效果，寻求解决办法。

方法1：使用pivot_table（推荐） #

pivot_table可直接指定缺失值填充值，一步完成透视和补0操作：

import pandas as pd

# 构造原始DataFrame
data = {
    'Name': ['Boo', 'Buzz', 'Bree', 'Boo', 'Buzz'],
    'Assignment': ['Test1', 'Test3', 'Test2', 'Quiz', 'Test1'],
    'Scores': [0.9, 0.7, 1.0, 1.0, 0.8]
}
df = pd.DataFrame(data)

# 生成透视表，缺失值填充为0，重置索引并清除列名标识
result = df.pivot_table(
    index='Name',
    columns='Assignment',
    values='Scores',
    fill_value=0
).reset_index()
result.columns.name = None

print(result)

方法2：使用pivot + fillna #

若坚持使用pivot，可后续通过fillna(0)补全缺失的分数：

import pandas as pd

data = {
    'Name': ['Boo', 'Buzz', 'Bree', 'Boo', 'Buzz'],
    'Assignment': ['Test1', 'Test3', 'Test2', 'Quiz', 'Test1'],
    'Scores': [0.9, 0.7, 1.0, 1.0, 0.8]
}
df = pd.DataFrame(data)

# 先透视，再填充缺失值为0，最后调整索引和列名
result = df.pivot(
    index='Name',
    columns='Assignment',
    values='Scores'
).fillna(0).reset_index()
result.columns.name = None

print(result)

两种方法都能生成目标表格结构，pivot_table更简洁高效，适合这类需要处理缺失值的透视场景。

内容的提问来源于stack exchange，提问作者Mimikyu o_0