Python如何将现有DataFrame某列的取值转为新列生成新DataFrame？

你需要的是pandas中的透视转换操作，将指定列的唯一取值转换为新的列名，对应数值填充到新列中，实现代码如下：

• 首先确认原始DataFrame的3个核心字段：
  1. 行保留字段：转换后作为每行唯一标识的列（如示例中的用户ID列，假设列名为user_id）
  2. 列来源字段：需要将取值转为新列的目标列（假设列名为category）
  3. 值填充字段：转换后新列中要填充的数值对应的原列（假设列名为score）

无重复数据场景 #

如果同一个user_id + category组合在原始表中只有一条数据，直接用pivot方法：

import pandas as pd

# df为你的原始DataFrame
new_df = df.pivot(
    index="user_id",
    columns="category",
    values="score"
).reset_index()

# 可选：清理列名的额外标识，让表结构更符合预期
new_df.columns.name = None

有重复数据场景 #

如果同一个user_id + category组合存在多条数据，需要指定聚合规则，用pivot_table方法：

import pandas as pd

# aggfunc可根据需求替换为'mean'、'max'、'count'等聚合函数
new_df = pd.pivot_table(
    df,
    index="user_id",
    columns="category",
    values="score",
    aggfunc="sum"
).reset_index()

new_df.columns.name = None

示例验证 #

你可以用以下构造的测试数据验证效果，和你给出的示例场景完全匹配：

# 构造原始测试数据
df = pd.DataFrame({
    "user_id": [1,1,2,2,3,3],
    "category": ["A","B","A","B","A","B"],
    "score": [90,85,78,92,88,76]
})

运行上述转换代码后即可得到你需要的目标DataFrame格式。

内容的提问来源于stack exchange，提问作者Kpyroop