Преобразование (частично) вертикального DataFrame в горизонтальное с помощью Pandas

У меня есть скрипт, который создает df, который выглядит так (со многими другими столбцами атрибутов)

Итак, для каждого ITEM_IDX у меня есть идентификатор времени (QM_ID) и значение (VALUE)

ITEM_IDX;XVAL;YVAL;ZVAL;PT_ID;...;QM_ID;VALUE
1;635000;5020000;15.1;1000000;...;6000;0.00
2;635010;5020000;15.0;1000001;...;6000;0.56
3;635020;5020000;15.2;1000002;...;6000;0.45
1;635000;5020000;15.1;1000000;...;6001;0.10
2;635010;5020000;15.0;1000001;...;6001;0.55
3;635020;5020000;15.2;1000002;...;6001;0.48
1;635000;5020000;15.1;1000000;...;6002;0.13
2;635010;5020000;15.0;1000001;...;6002;0.50
3;635020;5020000;15.2;1000002;...;6002;0.41

Мне нужно создать вывод в таком формате.
Для каждого ITEM_IDX мне нужен столбец для каждого QM_ID и столбец VALUE в качестве его значения.

ITEM_IDX;XVAL;YVAL;ZVAL;PT_ID;...;QM_ID_6000;QM_ID_6001;QM_ID_6002
1;635000;5020000;15.1;1000000;...;0.00;0.10;0.13
2;635010;5020000;15.0;1000001;...;0.56;0.55;0.50
3;635020;5020000;15.2;1000002;...;0.45;0.48;0.41

Это df до 1M строк с до 4k различных QM_ID, поэтому на выходе будет много столбцов. (Да, знаю...)

Я попытался создать новый df с основными столбцами, затем сгруппировал свой df по QM_ID и добавил столбцы один за другим, но это медленно и не совсем «питоново». Я ищу способ сделать это быстрее и эффективнее, так как мне придется делать это довольно часто.

Большое спасибо :)

PS: я использую python 3.7.9 и pandas 1.1.3.

Изменить, мое текущее «решение»:

my_df = pd.read_csv(datafile, sep=';')
my_df_result = my_df[['ITEM_IDX','XVAL','YVAL','ZVAL','PT_ID']].drop_duplicates(subset=['ITEM_IDX'], keep='first')
for q in my_df['QM_ID'].unique().tolist():
    my_df_result[f'QM_ID_{q}'] = my_df[my_df['QM_ID'] == q]['VALUE'].tolist()