如何基于现有DataFrame按规则提取列数据生成新DataFrame

这个需求属于典型的长表转宽表场景，使用Python Pandas库的pivot方法即可快速实现，具体步骤如下：

• 第一步：导入Pandas库

import pandas as pd

• 第二步：读取/构造原始DataFrame1
  如果是从文件读取数据可使用pd.read_excel()、pd.read_csv()等方法，示例数据构造代码如下：

data = {
    "id": [1, 1, 2, 2],
    "Timestamp": ["02:15:00", "02:15:00", "03:00:00", "03:00:00"],
    "Name": ["A", "B", "A", "B"],
    "Status": ["FALSE", "TRUE", "TRUE", "FALSE"]
}
df1 = pd.DataFrame(data)

• 第三步：执行宽表转换

# 按id、Timestamp分组，将Name字段值转为列名，Status作为对应列的值
df2 = df1.pivot(index=["id", "Timestamp"], columns="Name", values="Status")
# 按需求重命名列
df2 = df2.rename(columns={"A": "n1", "B": "n2"})
# 重置索引，将id、Timestamp从索引转为普通列
df2 = df2.reset_index()

如果存在同id、同Timestamp下有多个相同Name值的情况，可以先做分组聚合再转换，示例如下：

# 同组下取第一个Status值，可根据需求换为last、max等聚合逻辑
df1 = df1.groupby(["id", "Timestamp", "Name"])["Status"].first().reset_index()
# 再执行上面的pivot转换逻辑即可

内容的提问来源于stack exchange，提问作者user12252991