您可以使用melt进行整形，然后使用dropna和groupby.agg：

out = (df.melt('Name', var_name='Group').dropna(subset='value')
         .groupby('Group')['Name'].agg(', '.join).reset_index(name='Admins')
       )

带有stack的变体：

(df.set_index('Name').rename_axis(index='Admins', columns='Group')
   .stack().reset_index()
   .groupby('Group', as_index=False)['Admins'].agg(', '.join)
)

输出：

Group             Admins
0  Group 1          Joe Black
1  Group 2  Joe Blue, Joe Red
2  Group 3           Joe Blue
3  Group 5          Joe Green

如果你将其拆分，那么你会得到一个带有MultiIndex的Series。然后你可以使用groupby并连接对应于“A”值的名称：

def getAdmins(x):
    sel = x[x == "A"]
    return ",".join(sel.index.get_level_values(1)) if sel.any() else np.nan

df_new = df.unstack().groupby(level=0).agg(getAdmins)

如果您需要对空字符串/NA保持健壮性：

df = pd.DataFrame({
    'Name': ['Joe Red', 'Joe Blue', 'Joe Green'],
    'Group 1': ['A', pd.NA, ''],
    'Group 2': ['', 'A', 'A'],
    'Group 3': ['', np.nan, 'A'],
})

df_t = df.set_index('Name').T.replace({
    'A': True,
    'U': False,
    '': False,
    pd.NA: False,
    np.nan: False,
})

df_t.apply(
    lambda x: df_t.columns[x].str.cat(sep=','), axis=1
).reset_index(name='Admins').rename(columns={'index': 'Groups'})

输出：

Groups  Admins
0   Group 1 Joe Red
1   Group 2 Joe Blue,Joe Green
2   Group 3 Joe Green