如何基于某列值透视表格？Pandas DataFrame转换求助

现有如下Pandas DataFrame：

import pandas as pd
dataframe = pd.DataFrame({'col1': ['Name', 'Location', 'Phone','Name', 'Location'], 
'Values': ['Mark', 'New York', '656','John', 'Boston']})

其显示形式为：

col1     Values
0     Name       Mark
1  Location   New York
2     Phone        656
3     Name       John
4  Location     Boston

可见目标列名存储在col1列中，且部分数据缺少Phone值，希望将其转换为如下格式：

Name  Location  Phone
0   Mark  New York    656
1   John    Boston    NaN

已尝试Excel转置、pivot及pivot_table方法：

pivoted = pd.pivot_table(data = dataframe, values='Values', columns='col1')

但结果不符合预期，寻求解决方法。

注：每组数据以Name开头，下一个Name前结束。

核心思路是先给每组数据分配唯一分组ID，再基于分组ID完成透视转换：

1. 生成分组标识符
   标记所有col1为Name的行，通过累加计数生成分组ID，再将ID填充到同组的其他行：

   # 标记Name行并生成分组ID
   dataframe['group_id'] = (dataframe['col1'] == 'Name').cumsum()
   

2. 透视转换为目标格式
   以group_id为索引、col1为列、Values为值执行透视，最后重置索引并清理列名层级：

   result = dataframe.pivot(index='group_id', columns='col1', values='Values').reset_index(drop=True)
   # 移除不必要的列名层级
   result.columns.name = None
   

执行后得到的结果即为预期格式：

Name  Location  Phone
0   Mark  New York    656
1   John    Boston    NaN

补充说明 #

• cumsum()会在每次遇到Name行时累加计数，自动将连续行划分为独立分组；
• 同组内的所有行通过填充获得相同分组ID，确保透视时同组字段能归到同一行；
• 即使新增其他字段（如Email），只要分组仍以Name开头，该方法依然有效。

内容的提问来源于stack exchange，提问作者CatDad