如何从不同循环取数并按列写入同一文件（数组长度不同）

原生Python实现（无需第三方库） #

核心思路是先收集所有数组对应的element列表，再用itertools.zip_longest并行迭代不同长度的列表，补全缺失值后逐行写入文件。

代码示例 #

import itertools

# ----------------------
# 第一步：遍历数组生成对应元素列表
# ----------------------
# 处理master_array_1
arr1_e1 = []
arr1_e2 = []
for item in master_array_1:
    # 替换成你实际生成element_1和element_2的逻辑
    element_1 = item * 2  # 示例逻辑
    element_2 = item + 1  # 示例逻辑
    arr1_e1.append(element_1)
    arr1_e2.append(element_2)

# 处理master_array_2
arr2_e1 = []
arr2_e2 = []
for item in master_array_2:
    element_1 = item ** 2  # 示例逻辑
    element_2 = item - 5  # 示例逻辑
    arr2_e1.append(element_1)
    arr2_e2.append(element_2)

# 处理master_array_3
arr3_e1 = []
arr3_e2 = []
for item in master_array_3:
    element_1 = item / 2  # 示例逻辑
    element_2 = item * 3  # 示例逻辑
    arr3_e1.append(element_1)
    arr3_e2.append(element_2)

# ----------------------
# 第二步：并行写入单个文件
# ----------------------
# 打开文件准备写入
with open('combined_output.csv', 'w', newline='', encoding='utf-8') as output_file:
    # 写入表头
    header = 'master1_e1,master1_e2,master2_e1,master2_e2,master3_e1,master3_e2\n'
    output_file.write(header)
    
    # 使用zip_longest对齐不同长度的列表，fillvalue设为你需要的填充值（空字符串/NaN等）
    for e1_1, e1_2, e2_1, e2_2, e3_1, e3_2 in itertools.zip_longest(
        arr1_e1, arr1_e2, arr2_e1, arr2_e2, arr3_e1, arr3_e2, fillvalue=''
    ):
        # 拼接成行，用逗号分隔（可替换为制表符\t做TSV文件）
        line = f'{e1_1},{e1_2},{e2_1},{e2_2},{e3_1},{e3_2}\n'
        output_file.write(line)

关键说明 #

• itertools.zip_longest会自动对齐所有列表，短列表的缺失位置用fillvalue指定的值填充（比如空字符串、'NaN'或数字0）
• 全程只操作一个输出文件，无需事后合并多文件
• 表头可根据你的实际需求修改字段名

Pandas实现（适合数据分析场景） #

如果你的工作流已经用到Pandas，这种方式更简洁，利用DataFrame的列合并功能自动补全缺失值。

代码示例 #

import pandas as pd

# ----------------------
# 第一步：遍历数组生成对应元素列表（和原生方案一致）
# ----------------------
arr1_e1 = []
arr1_e2 = []
for item in master_array_1:
    element_1 = item * 2
    element_2 = item + 1
    arr1_e1.append(element_1)
    arr1_e2.append(element_2)

arr2_e1 = []
arr2_e2 = []
for item in master_array_2:
    element_1 = item ** 2
    element_2 = item - 5
    arr2_e1.append(element_1)
    arr2_e2.append(element_2)

arr3_e1 = []
arr3_e2 = []
for item in master_array_3:
    element_1 = item / 2
    element_2 = item * 3
    arr3_e1.append(element_1)
    arr3_e2.append(element_2)

# ----------------------
# 第二步：合并为DataFrame并写入文件
# ----------------------
# 将每个master的元素转为DataFrame
df_master1 = pd.DataFrame({'master1_e1': arr1_e1, 'master1_e2': arr1_e2})
df_master2 = pd.DataFrame({'master2_e1': arr2_e1, 'master2_e2': arr2_e2})
df_master3 = pd.DataFrame({'master3_e1': arr3_e1, 'master3_e2': arr3_e2})

# 按列合并，outer join自动补全缺失值为NaN
combined_df = pd.concat([df_master1, df_master2, df_master3], axis=1)

# 写入CSV文件，index=False去除自动生成的行索引
combined_df.to_csv('combined_output.csv', index=False, encoding='utf-8')

关键说明 #

• Pandas会自动处理不同长度的DataFrame合并，短DataFrame的缺失行填充为NaN
• 输出格式更规范，适合后续数据分析处理
• 若需要其他填充值，可在合并后用combined_df.fillna(你的填充值)修改

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