仅对于“La”，并假设没有重复项，过滤器和map：

df['La'] = df['Element'].map(df.loc[df['Type'].eq('La')]
                               .set_index('Element')['Value']
                             )

字符串
输出量：

Element Type  Value  La
0       A   Ex      5   9
1       A   La      9   9
2       A   Bd      0   9
3       B   La      2   2
4       B   Ex      7   2
5       B   Ex      3   2

型
如果你想要所有元素，使用pivot_table和merge（这里保留最大值以防重复，但你可以用任何函数聚合）：

df.merge(df.pivot_table(index='Element', columns='Type', values='Value',
                        aggfunc='max', fill_value=-1).reset_index(),
         on='Element', how='left')

型
输出量：

Element Type  Value  Bd  Ex  La
0       A   Ex      5   0   5   9
1       A   La      9   0   5   9
2       A   Bd      0   0   5   9
3       B   La      2  -1   7   2
4       B   Ex      7  -1   7   2
5       B   Ex      3  -1   7   2

型

这里有一个选项：

df.assign(La = df['Value'].where(df['Type'].eq('La')).groupby(df['Element']).transform('first'))

字符串
输出量：

Element Type  Value   La
0       A   Ex      5  9.0
1       A   La      9  9.0
2       A   Bd      0  9.0
3       B   La      2  2.0
4       B   Ex      7  2.0
5       B   Ex      3  2.0

型
如果你想要所有的：

(df.join(
    df['Type'].str.get_dummies()
    .where(lambda x: x.ne(0))
    .mul(df['Value'],axis=0)
    .groupby(df['Element']).transform('first')))

型
输出量：

Element Type  Value   Bd   Ex   La
0       A   Ex      5  0.0  5.0  9.0
1       A   La      9  0.0  5.0  9.0
2       A   Bd      0  0.0  5.0  9.0
3       B   La      2  NaN  7.0  2.0
4       B   Ex      7  NaN  7.0  2.0
5       B   Ex      3  NaN  7.0  2.0

型