Python pandas：将DataFrame列值按指定列名复制到新DataFrame

现有DataFrame df1，第一列存在重复值，第二列元素唯一，数据如下：

0        1
0   A        Ok
1   B        1234
2   C        True
3   D        Yes
4   A        Ok
5   B        6789
6   C        False
7   D        No 

已通过以下代码创建以df1第一列去重值为列名的新DataFrame df2：

column_names = df1[0].drop_duplicates()
df2 = pd.DataFrame(columns=column_names)

需要将df1第二列的元素对应复制到df2的对应列中，目标效果如下：

A     B       C      D
0   Ok   1234    True    Yes
1   Ok   6789    False   No
2   Ok   1567    False   N/A

可以通过分组编号+透视表的方式实现，核心逻辑是给每个分组（A/B/C/D）内的行分配递增序号，再以此序号为索引做透视，自动对齐对应列：

import pandas as pd

# 初始化原始df1
df1 = pd.DataFrame({
    0: ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D'],
    1: ['Ok', 1234, True, 'Yes', 'Ok', 6789, False, 'No']
})

# 给每个分组内的行添加自增编号，用于后续行对齐
df1['row_index'] = df1.groupby(0).cumcount()

# 透视生成目标df2，缺失值替换为'N/A'
df2 = df1.pivot(index='row_index', columns=0, values=1).reset_index(drop=True)
df2 = df2.fillna('N/A')

# 若需手动添加示例中的第三行数据
df2.loc[len(df2)] = ['Ok', 1567, False, 'N/A']

print(df2)

运行后输出：

A     B       C      D
0  Ok  1234    True    Yes
1  Ok  6789   False     No
2  Ok  1567   False    N/A

关键说明 #

• groupby(0).cumcount()：给每个分组内的行从0开始编号，确保同一分组的不同数据对应df2的不同行
• pivot方法：自动将分组值转为列名，编号转为行索引，实现数据的对应填充
• 若有额外行需要补充，可通过df2.loc[len(df2)]手动添加，或根据业务逻辑批量生成

内容的提问来源于stack exchange，提问作者Pradyumna TK