Pandas：将字段名与值列转换为独立列的高效方法求助

问题背景 #

现有DataFrame数据中，字段名称集中在Field_Names列，对应的值存于Field_Values列，示例数据如下：

import pandas as pd

dummy_data = {
'Field_Names': ['Field_1','Field_2','Field_3','Field_1','Field_2','Field_3'],
'Field_Values': ['Bob','John','Kyle','Eric','Pat','Rana']
}
dummy_df = pd.DataFrame(dummy_data)

当前通过逐个过滤字段名生成子DataFrame再拼接的方式实现转置，操作繁琐，需要更高效的Pandas原生方法。期望将数据转换为每个字段名作为列、对应值按行排列的格式，最终输出如下：

Field_1 Field_2 Field_3
0     Bob    John    Kyle
1    Eric     Pat    Rana

解决方案 #

方法1：pivot + cumcount（推荐） #

该方法通过给每个字段分组内的行添加序号，再利用pivot完成转置，逻辑清晰且效率高：

# 为每个Field_Names分组内的行生成连续序号
dummy_df['row_idx'] = dummy_df.groupby('Field_Names').cumcount()

# 执行转置：以序号为索引，字段名为列，值为对应内容
result = dummy_df.pivot(index='row_idx', columns='Field_Names', values='Field_Values')

# 清理索引和列名标识
result = result.reset_index(drop=True)
result.columns.name = None

print(result)

方法2：groupby + apply(list) #

如果仅需将每组值转为列表后构造DataFrame，可使用此方法：

# 按Field_Names分组，将每组的Field_Values转为列表
grouped_data = dummy_df.groupby('Field_Names')['Field_Values'].apply(list)

# 将列表转为DataFrame并转置行和列
result = pd.DataFrame(grouped_data.tolist(), index=grouped_data.index).T

print(result)

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