如何从三元素元组列表高效创建指定结构的Pandas DataFrame

原方案性能差的核心原因是使用了Python层循环逐单元格赋值，完全避开了pandas的向量化运算优势，大数据量下耗时会随数据量线性上涨。
直接使用pandas内置的透视操作即可一步完成需求，性能可以提升数十至上百倍：

import pandas as pd

# 从原始元组列表直接构建基础三列DataFrame
raw_df = pd.DataFrame(data, columns=["name", "date", "score"])
# 透视得到目标结构，同时按日期排序列
target_df = raw_df.pivot(index="name", columns="date", values="score").sort_index(axis=1)

如果你的数据中存在同一个name+date组合对应多个score的情况，pivot方法会报重复索引错误，此时可以用pivot_table指定聚合规则处理重复值：

target_df = raw_df.pivot_table(
    index="name",
    columns="date",
    values="score",
    aggfunc="mean"  # 可根据需求替换为sum、max、first等聚合函数
).sort_index(axis=1)

内容的提问来源于stack exchange，提问作者nogader