假設我有一個簡單的 Pandas DataFrame，其中一列包含國家/地區(qū)名稱，另一列包含一些值。例如：# Import Python Librariesimport numpy as npimport pandas as pd# Create Sample DataFramedf = pd.DataFrame(data={'Country': ['United States','United States','United States','United States', \                     'United States','United States','United States','United States', \                     'United States','United States','United States','United States', \                     'Canada','Canada','Canada','Canada','Canada','Canada','Mexico', \                     'Mexico','Mexico','Mexico','England','England','England','England', \                     'England','England','England','England','England','England','England', \                     'England','England','England','France','France','France','Spain','Germany', \                     'Germany','Germany','Germany','Germany','Germany','Germany','Germany', \                     'Germany','Germany'], 'Value': np.random.randint(1000, size=50)})產生：print(df.head())Index     Country     Value  0    United States   943  1    United States   567  2    United States   534  3    United States   700  4    United States   470我的問題是，在 Python 中將此 DataFrame 轉換為每個國家/地區(qū)都有自己的列并且該國家/地區(qū)的所有值都列在該列中的最簡單方法是什么？換句話說，我如何輕松創(chuàng)建一個 DataFrame，其中列數(shù)是“Country”列中國家的唯一計數(shù)，并且每列的長度將根據(jù)相應國家/地區(qū)在原始 DataFrame 中出現(xiàn)的次數(shù)而有所不同?以下是提供解決方案的示例代碼：# Store Unique Country Names in Variablecolumns = df['Country'].unique()# Create Individual Country DataFramesdf_0 = df[df['Country'] == columns[0]]['Value'].values.tolist()df_1 = df[df['Country'] == columns[1]]['Value'].values.tolist()df_2 = df[df['Country'] == columns[2]]['Value'].values.tolist()df_3 = df[df['Country'] == columns[3]]['Value'].values.tolist()df_4 = df[df['Country'] == columns[4]]['Value'].values.tolist()df_5 = df[df['Country'] == columns[5]]['Value'].values.tolist()df_6 = df[df['Country'] == columns[6]]['Value'].values.tolist()雖然上面的代碼有效，但對于較大的數(shù)據(jù)集，它顯然不是一個站得住腳的解決方案。從原始 DataFrame 生成此結果的最有效方法是什么？