如何将DataFrame中B列行值转为新列，映射C列值完成宽表转换

错误原因 #

你写的代码出现NaN是因为单独过滤出的C列Series保留了原始DataFrame的索引，和你初始化的只包含B==b1行的df索引不匹配，pandas赋值时会按索引对齐，不在初始化df索引范围内的位置就会填充NaN。

正确实现 #

你的需求是典型的长表转宽表场景，直接用pandas内置的pivot/pivot_table方法即可实现，不需要自己写循环。

格式2（全B值转列）实现代码 #

# 基础转换，B列所有值都转为新列
df_wide = main_df.pivot(
    index="A",  # 分组保留的根节点列，多内部节点可传列表如["A", "D", "E"]
    columns="B", # 要转成列名的字段
    values="C"  # 新列的取值来源字段
).reset_index()

# 可选：按需求重命名列名
df_wide.columns = ["A", "B1", "B2"]

格式1（指定部分B值转列）实现代码 #

desired_cols = ["b1"] # 按需指定要保留的B列值
df_wide = main_df[main_df["B"].isin(desired_cols)].pivot(
    index="A",
    columns="B",
    values="C"
).reset_index()

# 可选：重命名列
df_wide.columns = ["A", "B1"]

兼容重复键场景 #

如果存在同一A、B组合对应多个C值的情况，改用pivot_table指定聚合规则即可避免报错：

df_wide = main_df.pivot_table(
    index="A",
    columns="B",
    values="C",
    aggfunc="first" # 重复值取第一个，可根据业务需求替换为sum、last等规则
).reset_index()

内容的提问来源于stack exchange，提问作者Ahmad