如何按指定行数将单列DataFrame拆分为多列

需求说明 #

现有仅含Column A的单列DataFrame：

需按指定行数（示例为2行）拆分，生成如下多列结构：

实现方法（基于Pandas） #

1. 创建示例数据

import pandas as pd

df = pd.DataFrame({'Column A': ['Cell 1', 'Cell 2', 'Cell 3', 'Cell 4', 'Cell 5', 'Cell 6', 'Cell 7', 'Cell 8']})

2. 方法一：用Numpy Reshape快速重塑

指定每列行数n，通过数组重塑直接转换结构：

n = 2  # 设定每列行数
# 将数据转为数组后重塑为n行，自动计算列数，再转置得到目标结构
reshaped_data = df['Column A'].values.reshape(n, -1).T
# 转为DataFrame并命名列
result_df = pd.DataFrame(reshaped_data, columns=[f'Column {chr(65 + i)}' for i in range(reshaped_data.shape[1])])

3. 方法二：用Pandas分组转置

通过分组键将数据拆分后转为列：

n = 2
# 添加分组标识，每n个元素为一组
df['group'] = df.index // n
# 分组转置并重新命名列
result_df = df.pivot(columns='group', values='Column A') \
              .rename(columns=lambda x: f'Column {chr(65 + x)}') \
              .reset_index(drop=True)

4. 处理行数无法被整除的情况

如果原数据行数不是n的整数倍，可先填充NaN至整数倍后再处理：

n = 2
pad_length = (n - len(df) % n) % n
df_padded = pd.concat([df, pd.DataFrame({'Column A': [None]*pad_length})], ignore_index=True)

# 复用Reshape方法
reshaped_data = df_padded['Column A'].values.reshape(n, -1).T
result_df = pd.DataFrame(reshaped_data, columns=[f'Column {chr(65 + i)}' for i in range(reshaped_data.shape[1])])

内容的提问来源于stack exchange，提问作者Tom