查找多模式并合并：实现Pandas DataFrame字段拆分与重组需求

处理步骤如下：

• 拆分IdB字段，按下划线分割为前缀、时间标识、后缀三个部分
• 拼接前缀与后缀生成新的IdB字段
• 以IdA、新IdB作为分组维度，时间标识作为列后缀做透视转换，将对应Value值映射为Value25、Value60字段

完整可运行代码：

import pandas as pd

# 构造示例输入数据
df = pd.DataFrame({
    'IdA': [123, 456, 123, 456],
    'IdB': ['ABC_25_01', 'DEF_25_01', 'ABC_60_01', 'DEF_60_01'],
    'Value': [1, 2, 3, 4]
})

# 拆分IdB提取特征
df[['prefix', 'time_flag', 'suffix']] = df['IdB'].str.split('_', expand=True)
# 生成新的合并后IdB
df['IdB'] = df['prefix'] + '_' + df['suffix']

# 透视合并得到目标结果
res = df.pivot(index=['IdA', 'IdB'], columns='time_flag', values='Value')\
        .reset_index()\
        .rename(columns={'25': 'Value25', '60': 'Value60'})
res.columns.name = None

print(res)

运行输出结果和要求的期望输出完全一致。

内容的提问来源于stack exchange，提问作者Martin