如何将DataFrame列值作为新列名 解决pivot生成多余NaN行问题

问题原因 #

调用df.pivot(columns='Field', values='Value')出现多行NaN，是因为pivot默认保留原DataFrame的行索引：原表每一行对应独立索引，转置后每个原索引单独占一行，仅当前行对应字段的位置有值，其余位置自动填充NaN。

可行实现方案 #

方法1：索引转置（写法最简洁）

将Field列设为行索引，提取Value序列后直接转置即可得到目标结构：

new_df = df.set_index('Field')['Value'].to_frame().T
# 可选：清除多余索引，让结果更整洁
new_df = new_df.reset_index(drop=True)
new_df.columns.name = None

方法2：补全pivot的index参数

如果要沿用pivot的写法，先给原表增加一列固定值作为统一行标识，再执行pivot：

df['_tmp'] = 1
new_df = df.pivot(index='_tmp', columns='Field', values='Value')
# 清理临时列和多余索引名
new_df = new_df.reset_index(drop=True)
new_df.columns.name = None

两种方法执行后得到的结果完全符合预期：

Name Age Gender
0  Fred  69      M

小提示：如果原表Value列存在混合数据类型（比如Age是数值、Name是字符串），转置后可以执行new_df = new_df.convert_dtypes()自动匹配每列的正确数据类型，避免所有列被统一转为object类型。

内容的提问来源于stack exchange，提问作者Barry