根据一个分类列和另一个列的值创建列

在不使用pd.wide_to_long()函数的情况下，你可以通过Pandas的重塑功能（如pivot_table或直接操作DataFrame）来实现这样的数据转换。下面是一个简单的示例，展示了如何根据'Sex'列创建新的列，并将'Weight'值分配到相应的性别列中：

import pandas as pd

# 假设df是你的原始DataFrame
data = {'Weight': [91.0, 91.0, 131.0, 128.0, 132.0, 150.0],
        'Sex': ['male', 'male', 'female', 'female', 'female', 'male']}
df = pd.DataFrame(data)

# 创建新DataFrame，初始化男性和女性列
new_df = pd.DataFrame(columns=['male', 'female'], index=df.index)

# 根据Sex列的值，将Weight列的值放入对应的性别列中
for idx, row in df.iterrows():
    if row['Sex'] == 'male':
        new_df.loc[idx, 'male'] = row['Weight']
    else:
        new_df.loc[idx, 'female'] = row['Weight']

print(new_df)

这段代码首先创建了一个与原DataFrame相同索引的新DataFrame，然后遍历原DataFrame的每一行，根据'Sex'列的值，将'Weight'列的值填入新DataFrame的相应性别列中。这样你就可以得到期望的输出格式了。

请注意，这种方法在处理大数据集时可能不是最高效的，因为它涉及到循环遍历。对于大型数据集，探索向量化操作或其他Pandas内置的高效方法会更合适。