如何使用Python Pandas通过循环将DataFrame整理为指定格式

针对你描述的需求，这里提供直接可运行的Python代码来完成格式转换，步骤清晰且适配你的数据结构：

1. 准备工作与数据模拟 #

首先导入依赖库，并构造和你描述一致的简化版原始DataFrame（方便你对照测试）：

import pandas as pd
import numpy as np

# 模拟原始DataFrame：24行、4列，每行交替存储2个标识和对应数值，分3组每组8行
label_list = ['TDY', 'TOM', 'DAY3', 'DAY4', 'DAY5', 'DAY6', 'DAY7', 'DAY8',
              'TDY_N', 'TOM_N', 'DAY3_N', 'DAY4_N', 'DAY5_N', 'DAY6_N', 'DAY7_N', 'DAY8_N']
raw_data = []
for group_idx in range(3):
    for row_idx in range(8):
        # 每行生成两个标识-数值对（数值用组号区分，方便验证）
        current_row = [
            label_list[2*row_idx], group_idx*100 + (2*row_idx + 1),
            label_list[2*row_idx+1], group_idx*100 + (2*row_idx + 2)
        ]
        raw_data.append(current_row)

# 生成原始DataFrame
df_raw = pd.DataFrame(raw_data, columns=[0, 36, 43, 79])

2. 核心转换逻辑 #

通过分组+逐行提取的方式，把每组8行数据整合成一行：

# 将24行按每8行一组拆分
grouped = df_raw.groupby(np.arange(len(df_raw)) // 8)

# 遍历每个分组，整理成目标格式的行数据
result_rows = []
for _, group_df in grouped:
    row_dict = {}
    # 提取每组内每行的标识和对应数值
    for _, row in group_df.iterrows():
        # 每行的第0列是标识，第36列是对应数值；第43列是标识，第79列是对应数值
        row_dict[row[0]] = row[36]
        row_dict[row[43]] = row[79]
    result_rows.append(row_dict)

# 转换为最终的目标DataFrame
df_final = pd.DataFrame(result_rows)

关键逻辑说明 #

• np.arange(len(df_raw)) // 8：生成分组标记，自动将24行划分为3组（每组8行），无需手动指定分组规则。
• 逐行提取标识与数值：利用字典存储每组的所有标识-数值映射，确保最终每行包含16个标识对应的数值。
• 最终转换：将字典列表直接转为DataFrame，自动以标识作为列名，每组对应一行。

内容的提问来源于stack exchange，提问作者user20169630