如何使用Pandas转置两列DataFrame 使原name列值转为新列？

针对「name、value两列的原始窄表，将name列值转成新列名、对应value值填充为单行数据、忽略原有索引」的需求，以下为可直接运行的实现方案：

方法1：pivot 原生透视（最匹配场景逻辑） #

• 核心逻辑为直接用name列的值作为新表列名，value列作为单元格填充值，单值键值场景下无需额外聚合操作
• 可直接复用的代码：

import pandas as pd
# 对照原始数据构造示例df
raw_df = pd.DataFrame({
    "name": ["name", "address", "city"],
    "value": ["florida", "parkway", "Tampa"]
})

# 核心转换步骤
target_df = raw_df.pivot(
    columns="name",
    values="value"
).reset_index(drop=True)

• 转换后结果完全符合要求：列名依次为name、address、city，仅1行有效数据，原有索引被完全丢弃。

方法2：字典映射构造（轻量化实现） #

• 对于这类行数少、最终只需要单行的场景，直接把两列映射为字典传入DataFrame构造器，比透视方法更简洁
• 可直接复用的代码：

target_df = pd.DataFrame(
    [dict(zip(raw_df["name"], raw_df["value"]))]
)

• 该方法生成的结果天生为单行结构，列顺序与原始name列的取值顺序完全一致，无需额外处理索引。

方法3：set_index + unstack 实现（兼容扩展场景） #

• 该方法可兼容原始数据存在同名字段多值的场景，当前单值需求下也可直接使用
• 可直接复用的代码：

target_df = (
    raw_df
    .set_index("name")["value"]
    .unstack()
    .to_frame()
    .T
    .reset_index(drop=True)
)

补充说明：之前查阅的转置、透视类教程未找到适配方案的核心原因：多数同类示例面向多行长表的透视场景，没有提及单值键值对转单行时，只要在pivot后追加reset_index(drop=True)即可直接压平为单行结构，不需要额外做行列转置操作。

内容的提问来源于stack exchange，提问作者Dmitry Shinelev