如何用Python 3将Excel单列数据重塑为每列10行的多列并导出新Excel文件

让我们一步步解决你的问题，顺便修正代码里的错误~

首先，你遇到的TypeError是因为调用reshape的方式错了：你写了newArr = arr.reshape(arr, (10, -1))，但正确的用法要么是arr.reshape(shape)，要么是np.reshape(arr, shape)，你把两种写法混在一起，多传了一个arr参数，所以才触发了错误。

下面给你两种完整的可行方案，覆盖「数据行数是10的倍数」和「不是10的倍数」两种场景：

这个方案延续你原来的想法，调整reshape的用法，同时增加异常处理应对数据行数不规整的情况：

import pandas as pd
import numpy as np

# 1. 导入Excel文件
df = pd.read_excel('sample.xlsx')

# 2. 提取第一列并转为一维NumPy数组（比二维数组更适合reshape）
first_column = df.iloc[:, 0].values

# 3. 重塑为每列10行的结构
try:
    # 先按每行10个元素重塑，再转置得到每列10行
    reshaped_arr = first_column.reshape(-1, 10).T
except ValueError:
    # 如果数据总数不是10的倍数，自动填充NaN到最近的10的倍数
    padding_count = (10 - len(first_column) % 10) % 10
    padded_arr = np.pad(first_column, (0, padding_count), mode='constant', constant_values=np.nan)
    reshaped_arr = padded_arr.reshape(-1, 10).T

# 4. 转为DataFrame并写入新Excel
result_df = pd.DataFrame(reshaped_arr)
result_df.to_excel('output.xlsx', index=False, header=False)

如果你更习惯用Pandas的API，也可以用分组拼接的方式完成：

import pandas as pd
import numpy as np

df = pd.read_excel('sample.xlsx')
first_col = df.iloc[:, 0].reset_index(drop=True)  # 重置索引保证连续性

# 每10个元素为一组，拆分成多个Series
column_groups = [first_col[i:i+10] for i in range(0, len(first_col), 10)]

# 处理最后一组不足10个的情况，填充NaN补全
if len(column_groups[-1]) < 10:
    fill_values = pd.Series([np.nan] * (10 - len(column_groups[-1])))
    column_groups[-1] = pd.concat([column_groups[-1], fill_values], ignore_index=True)

# 将所有分组按列拼接成最终的DataFrame
result_df = pd.concat(column_groups, axis=1)
result_df.to_excel('output_pandas.xlsx', index=False, header=False)

小提示： #

• 确保sample.xlsx和你的脚本在同一个文件夹下，或者填写文件的完整路径（比如C:/data/sample.xlsx）
• 如果不需要填充NaN，可以去掉异常处理或补全NaN的代码，但要保证数据总行数是10的倍数，否则reshape会报错

内容的提问来源于stack exchange，提问作者Sahar