Pandas pivot_table：“合并”列值

假设我有下表：

from datetime import datetime
import pandas as pd

d = [[datetime(year=2021, month=1, day=1, minute=5), "A", "new", 3],
     [datetime(year=2021, month=1, day=1, minute=5), "B", "new", 6],
     [datetime(year=2021, month=1, day=1, minute=5), "C", "new", 7],
     [datetime(year=2021, month=1, day=1, minute=15), "A", "old", 6],
     [datetime(year=2021, month=1, day=1, minute=15), "B", "old", 2],
     [datetime(year=2021, month=1, day=1, minute=15), "C", "old", 14],
    ]

df = pd.DataFrame(data=d, columns=["Time", "Article", "Status", "Qty"])

我想重组这些数据，每个“时间”值都有一行，然后对于每篇文章都有“数量”和“状态”列。

这我几乎可以使用pivot_table实现，如下所示：

pd.pivot_table(data=df, index=["Time"], columns=["Article"], values=["Status", "Qty"], aggfunc="last")

这为我产生以下输出：

但是，我希望这按文章分组，而不是按值列分组。所以就像它会由以下代码生成：

arrays = [
    ["A", "A", "B", "B", "C", "C", "qux", "qux"],
    ["Qty", "Status", "Qty", "Status", "Qty", "Status"],
]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=["Article", "Value"])
data_pivot=[
    [3, "new", 6, "new", 6, "new"],
    [6, "old", 2, "old", 14, "old"]
]
pd.DataFrame(data=data_pivot, columns=index, index=[datetime(year=2021, month=1, day=1, minute=5), datetime(year=2021, month=1, day=1, minute=15)])

简单地在 pivot_table-call 中切换 values- 和 columns- 关键字也没有给我预期的输出。

不幸的是，我在命名这个问题时遇到了麻烦，所以我很难找到现有的解决方案（因此，这个问题的标题可能很奇怪），所以如果这已经被问过很多次，我很抱歉。