在一行程序中使用新的"walrus"运算符尝试执行以下操作：

(df_new := df.set_index(['ref', 'step']).unstack().sort_index(level=1, axis=1))\
    .set_axis([f'step {j} - {i}' for i, j in df_new.columns], axis=1)

输出：

step 1 - var_1  step 1 - var_2  step 1 - var_3  step 2 - var_1  step 2 - var_2  step 2 - var_3  step 3 - var_1  step 3 - var_2  step 3 - var_3  step 4 - var_1  step 4 - var_2  step 4 - var_3
ref                                                                                                                                                                                                 
ref1               5              11              11               7               8               8               7              10              10               9               6               6
ref2              12               6               6               9               9               9              87              12              12              90               9               9

详情：

• set_index，带有列参考和步骤
• unstack移动到列中的步骤
• 按sort_index对列进行排序
• 使用set_axis和具有f字符串格式的列表解析来展开多索引 Dataframe 列标题

与上述订单输出相同的替代方式，

df_out = df.pivot(index='ref', columns='step').sort_index(level=1, axis=1)
df_out.columns = [f'step {j} - {i}' for i, j in df_out.columns]

一个选项是使用pyjnanitor中的pivot_wideer，通过names_glue参数抽象列重命名：

# pip insall pyjanitor
import pandas as pd
import janitor
(df
.pivot_wider(
    index='ref', 
    names_from='step',  
    values_from = ['var_1', 'var_2', 'var_3'],
    names_glue = "step {step} - {_value}")
.sort_index(axis=1)
) 
    ref  step 1 - var_1  step 1 - var_2  step 1 - var_3  ...  step 3 - var_3  step 4 - var_1  step 4 - var_2  step 4 - var_3
0  ref1               5              11              11  ...              10               9               6               6
1  ref2              12               6               6  ...              12              90               9               9

[2 rows x 13 columns]

names_glue允许组合使用values_from和names_from参数-在上面的代码中，{step}是names_from参数，而{_value}是values_from的占位符
如果我们严格按照您的输出，那么就应该在step列上执行一个过滤器，只过滤小于3的值：

(df
.loc[df.step < 3]
.pivot_wider(
    index='ref', 
    names_from='step', 
    names_glue = "step {step} - {_value}")
.sort_index(axis=1)
) 
    ref  step 1 - var_1  step 1 - var_2  step 1 - var_3  step 2 - var_1  step 2 - var_2  step 2 - var_3
0  ref1               5              11              11               7               8               8
1  ref2              12               6               6               9               9               9

用途：

df[df.step<3].set_index(['ref','step']).unstack()

输出：

var_1    var_2    var_3   
step     1  2     1  2     1  2
ref                            
ref1     5  7    11  8    11  8
ref2    12  9     6  9     6  9

诀窍是使用df.pivot。您可以选择index='ref'和columns='step'：

new = df.pivot(index='ref', columns='step')

生成的表有一个ref的多索引和一个多列，多列包含step和var信息，因此我们可以使用这些信息来创建新的列标题，最后，我们可以重置索引：

new.columns = [f'step {x[1]} - {x[0]}' for x in new.columns]
new = new.reset_index()