Pandas数据透视如何条件选择Result_Str或Result_Num作为values列

可以实现，你只需要提前将Result_Str和Result_Num合并为一个动态取值的列，再执行透视操作即可，具体操作如下：

步骤1：合并结果列 #

你提供的样例中两个结果列是互补为空的，优先取Result_Str的值，为空时取Result_Num转字符串后的值，保证结果类型统一：

import numpy as np
import pandas as pd

# 动态合并两列有效值
df['Result'] = np.where(df['Result_Str'].notna(), df['Result_Str'], df['Result_Num'].astype(str))

如果Result_Num的空值本身为pd.NA/NaN，也可以用更简洁的写法：

df['Result'] = df['Result_Str'].fillna(df['Result_Num'].astype(str))

步骤2：执行透视 #

直接使用合并后的Result列作为透视的值来源：

pivot_result = df.pivot(
    index="ClassID", 
    columns="Name",
    values="Result"
).reset_index()\
 .rename_axis(columns=None)\
 .fillna('') # 可选：将空值填充为空字符串，匹配你需要的输出格式

执行后得到的pivot_result就是你要求的透视结果。

内容的提问来源于stack exchange，提问作者editi