如何将行列交替的Pandas DataFrame转换为标准列值格式？

假设你的原始Pandas DataFrame为单列结构（列名暂定为data）：偶数行存储列名，奇数行存储对应值，每32个列名-值对构成一行目标数据，总行数约10万。以下是高效的转换方法：

方法一：基于Numpy重塑（推荐，处理大数据更快） #

import pandas as pd
import numpy as np

# 原始DataFrame为df，单列名为'data'
# 将数据转为一维数组，按每64行（32组列名-值对）拆分
reshaped = df['data'].values.reshape(-1, 64)

# 提取列名（取第一组的偶数位置元素，因列名重复）
col_names = reshaped[0, ::2]
# 提取每行对应的值（所有组的奇数位置元素）
row_values = reshaped[:, 1::2]

# 生成标准宽格式DataFrame
result = pd.DataFrame(row_values, columns=col_names)

优势说明 #

Numpy的reshape是向量化操作，处理10万行数据几乎瞬间完成，比循环或逐行拼接效率高几个数量级。如果你的原始列名不是data，替换为实际列名即可。

方法二：分组透视（适用于列名不固定的场景） #

如果不同数据组的列名存在差异，可采用分组透视的方式：

# 为每个列名-值对分配ID，每32对划为一个数据组
df['pair_id'] = np.arange(len(df)) // 2
df['group_id'] = df['pair_id'] // 32

# 透视生成宽表，筛选出值列
pivot_result = df.pivot(index='group_id', columns='pair_id', values='data')
result = pivot_result.iloc[:, 1::2]

# 为结果表匹配对应列名
result.columns = df[df['pair_id'] % 2 == 0].groupby('group_id')['data'].first().values

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