如何重塑pandas DataFrame将指定列值转换为新的列字段？

以下两种高效实现均可以得到预期输出： #

方法1：groupby 直接聚合（代码最简，适合分组后长度完全一致的场景） #

核心逻辑：按A列分组后提取每组B列值转为列表，再直接构造新DataFrame

import pandas as pd
# 原始数据
df1 = pd.DataFrame({'A':['a','a','b','b'],'B':[1,2,2,3]})
# 转换代码
df2 = pd.DataFrame(df1.groupby('A')['B'].apply(list).to_dict())

方法2：pivot 透视（兼容性更强，支持分组后长度不一致的场景，缺失值自动补NaN） #

核心逻辑：先给每个分组内的元素加行号，再通过透视表直接生成目标结构

import pandas as pd
# 原始数据
df1 = pd.DataFrame({'A':['a','a','b','b'],'B':[1,2,2,3]})
# 转换代码
df1['group_idx'] = df1.groupby('A').cumcount()
df2 = df1.pivot(index='group_idx', columns='A', values='B')\
         .reset_index(drop=True)\
         .rename_axis(None, axis=1)

优先选择建议：如果确认所有分组的元素数量完全一致，优先选方法1，代码更简洁执行效率更高；如果存在分组长度不一致的情况，选方法2兼容性更好。

两种方法执行后输出的df2均为预期结构：

内容的提问来源于stack exchange，提问作者Beertje