如何将Pandas单列数据按大于0的分组拆分为多列？

• 第一步：给连续测试数据组打唯一标签
  通过判断数据从0切换到非0的节点识别新测试组，生成标签列标记每组：

  import pandas as pd
  
  # 读取日志数据，无表头则指定列名
  df = pd.read_csv('file.log', header=None, names=['value'])
  
  # 标记是否为有效测试数据（值>0）
  df['is_test'] = df['value'] > 0.0
  # 生成测试组标签：每次遇到新的非0序列时标签自动+1
  df['test_label'] = (df['is_test'] & ~df['is_test'].shift(1, fill_value=False)).cumsum()
  
  # 过滤掉0值数据，仅保留测试组内容
  test_data = df[df['is_test']].drop(columns=['is_test'])
  

• 第二步：生成groupby对象
  直接按生成的test_label分组即可：

  test_groups = test_data.groupby('test_label')
  # 示例：遍历查看每组数据
  for label, group in test_groups:
      print(f"测试组 {label} 样本量：{len(group)}")
  

• 第三步：转成以test1、test2为列的新DataFrame
  若需将每个测试组作为单独一列，因各组长度可能不同，会自动用NaN补全空缺：

  # 将每组数据转为单列，合并后重命名列名
  test_columns = pd.concat(
      [group['value'].reset_index(drop=True) for _, group in test_groups],
      axis=1
  )
  test_columns.columns = [f'test{i+1}' for i in range(test_columns.shape[1])]
  

说明 #

• 核心逻辑是用shift()对比前后行，识别测试组的起始节点，再通过cumsum()生成递增的组标签
• 若原始日志自带表头，去掉header=None, names=['value']参数即可

内容的提问来源于stack exchange，提问作者benparker