使用Pandas将CSV中每10行合并为1行的实现方法

针对你的需求——按原顺序每10行合并为一行、扩展val列并生成新的连续ID，这里有一套适合新手的Pandas实现步骤：

步骤说明 #

1. 先确保数据索引是连续的0开始整数（避免原行号干扰分组）
2. 生成分组标识，把每10行划分为一组
3. 对每个组的val列进行横向拼接，生成新的val1到val100列
4. 用分组编号生成新的连续ID

完整代码 #

import pandas as pd

# 假设你的原始数据存储在df中
# 第一步：重置索引为0开始的连续整数（如果原索引不是的话）
df = df.reset_index(drop=True)

# 第二步：生成分组标识，每10行一组
df['group'] = df.index // 10

# 第三步：定义函数，合并每组的val列
def merge_group_vals(group_data):
    # 提取所有val开头的列，转成一维数组（10行×10列 → 100个值）
    flattened_vals = group_data.filter(like='val').values.flatten()
    # 生成新的列名：val1 到 val100
    new_val_cols = [f'val{i+1}' for i in range(len(flattened_vals))]
    # 返回合并后的Series
    return pd.Series(flattened_vals, index=new_val_cols)

# 按分组处理数据，合并val列
merged_result = df.groupby('group').apply(merge_group_vals).reset_index()

# 第四步：替换为新的连续ID，调整列顺序
merged_result = merged_result.rename(columns={'group': 'ID'})
merged_result['ID'] = merged_result['ID'] + 1  # 让ID从1开始

# 把ID列移到最前面，和示例结构一致
final_result = merged_result[['ID'] + [col for col in merged_result.columns if col != 'ID']]

关键细节解释 #

• df.index // 10：利用整数除法自动把每10行归为一组，完全保留原数据的顺序，不会排序
• filter(like='val')：自动匹配所有以val开头的列，不管你有多少个val列（这里是val1到val10），都能正确提取
• values.flatten()：把每组的10行val数据横向拼接成一行100个值，正好对应val1到val100的新列

这样处理后，你就能得到和示例一致的结果：5000行数据变成500行，每行对应原数据的10行，val列扩展到100个，ID是连续的1到500，完全符合你的需求。

内容的提问来源于stack exchange，提问作者BlueBoy