如何在Python中高效将CSV多行结构转为带重复标签的单行多列？

要实现这种多行两列CSV转单行多列的结构，不用手动逐行迭代的话，优先用pandas或numpy这类基于向量/批量操作的库，它们底层用C实现，处理效率远高于纯Python循环，尤其适合大文件场景。

方法一：用pandas快速实现 #

pandas的API简洁，能一站式完成读取、转换、写入操作：

import pandas as pd

# 读取原空格分隔的CSV
df = pd.read_csv('input.csv', sep=' ', header=0)

# 生成重复的新表头：原表头重复原数据的行数
new_header = df.columns.tolist() * len(df)
# 把所有数据扁平化为一行
new_data = df.values.flatten().tolist()

# 构造新的DataFrame并保存
new_df = pd.DataFrame([new_data], columns=new_header)
new_df.to_csv('output.csv', sep=' ', index=False)

方法二：用numpy处理超大型文件 #

如果CSV文件体积特别大，numpy的IO操作内存效率更高：

import numpy as np

# 读取表头
with open('input.csv', 'r') as f:
    header = f.readline().strip().split()

# 批量读取数据（跳过表头行）
data = np.loadtxt('input.csv', skiprows=1)

# 构造新内容
new_header = header * data.shape[0]
new_data = data.flatten()

# 写入新文件
with open('output.csv', 'w') as f:
    f.write(' '.join(new_header) + '\n')
    f.write(' '.join(map(str, new_data)) + '\n')

这两种方式都不需要手动逐行遍历文件，依赖库的批量处理能力完成转换，在数据量越大时，效率优势越明显。

内容的提问来源于stack exchange，提问作者robertzimmergirl