如何用循环将CSV中多行IVC数据转换为多列Voltage/Current格式？

针对你描述的CSV文件格式，我会用Python实现自动遍历并整理多组Voltage/Current数据到独立列的需求。下面分两种方案（纯CSV模块和Pandas，后者更简洁高效）来讲解：

方案一：使用Pandas（推荐，适合大型数据集） #

Pandas处理这类结构化数据转换非常方便，代码逻辑清晰，也能轻松处理你提到的大量数据（到第7117行及后续组）。

步骤说明： #

• 跳过前91行，读取从第92行开始的所有内容
• 识别每个数据组的标题（比如Voltage:、Current:、Voltage 2:等）
• 收集每个标题对应的所有数值，整理成字典（键为列名，值为数值列表）
• 将字典转换为DataFrame，自动对齐行，缺失值补NaN
• 保存为新的CSV文件

代码实现： #

import pandas as pd

# 读取文件，跳过前91行（索引从0开始，第92行对应索引91）
with open('your_file.csv', 'r') as f:
    lines = [line.strip() for line in f.readlines()[91:]]

data_dict = {}
current_key = None
current_values = []

for line in lines:
    if not line:  # 跳过空行
        continue
    # 判断是否是组标题（包含"Voltage"或"Current"）
    if 'Voltage' in line or 'Current' in line:
        # 如果之前有正在收集的组，先保存到字典
        if current_key is not None:
            # 处理列名：比如"Voltage 2:" → "Voltage1"，"Current:" → "Current"
            clean_key = current_key.replace(':', '').strip()
            if '2' in clean_key:
                clean_key = clean_key.replace('2', '1')
            elif '3' in clean_key:
                clean_key = clean_key.replace('3', '2')
            # 若有更多组（如Voltage 4），可继续添加elif分支调整编号
            data_dict[clean_key] = current_values
        # 开始新的组
        current_key = line
        current_values = []
    else:
        # 收集数值，转成float类型
        try:
            current_values.append(float(line))
        except ValueError:
            # 遇到非数值行（如无关内容）则跳过
            continue

# 处理最后一个未保存的组
if current_key is not None:
    clean_key = current_key.replace(':', '').strip()
    if '2' in clean_key:
        clean_key = clean_key.replace('2', '1')
    elif '3' in clean_key:
        clean_key = clean_key.replace('3', '2')
    data_dict[clean_key] = current_values

# 转换为DataFrame，自动对齐不同长度的组数据
df = pd.DataFrame(dict([(k, pd.Series(v)) for k, v in data_dict.items()]))

# 保存整理后的CSV
df.to_csv('cleaned_iv_data.csv', index=False)

关键细节： #

• 列名转换逻辑可根据实际组标识调整（比如如果是Voltage A而非Voltage 2，可修改clean_key的生成规则）
• 自动跳过空行和非数值行，避免处理错误数据
• 不同长度的组数据会自动对齐，缺失位置填充NaN，保证每行对应一个数据点的所有组测量值

方案二：使用Python内置CSV模块（无需额外安装库） #

如果你不想安装Pandas，用Python自带的csv模块也能实现，适合环境受限的场景：

代码实现： #

import csv

input_file = 'your_file.csv'
output_file = 'cleaned_iv_data.csv'

# 读取并预处理数据
with open(input_file, 'r') as f:
    lines = [line.strip() for line in f.readlines()[91:]]

data_groups = {}
current_group = None
current_values = []

for line in lines:
    if not line:
        continue
    if 'Voltage' in line or 'Current' in line:
        if current_group is not None:
            # 清理组名并保存
            clean_name = current_group.replace(':', '').strip()
            if '2' in clean_name:
                clean_name = clean_name.replace('2', '1')
            data_groups[clean_name] = current_values.copy()
        current_group = line
        current_values = []
    else:
        try:
            current_values.append(float(line))
        except ValueError:
            continue

# 处理最后一个组
if current_group is not None:
    clean_name = current_group.replace(':', '').strip()
    if '2' in clean_name:
        clean_name = clean_name.replace('2', '1')
    data_groups[clean_name] = current_values

# 找到最长的数值列表，确定总行数
max_rows = max(len(v) for v in data_groups.values())

# 填充每个组的列表到统一长度，不足补空字符串
for key in data_groups:
    while len(data_groups[key]) < max_rows:
        data_groups[key].append('')

# 准备写入CSV的内容：表头 + 每行数据
headers = list(data_groups.keys())
rows = []
for i in range(max_rows):
    row = [data_groups[key][i] for key in headers]
    rows.append(row)

# 写入文件
with open(output_file, 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(headers)
    writer.writerows(rows)

使用提示： #

1. 请把代码中的your_file.csv替换成你实际的文件名
2. 如果组的命名规则和示例不同（比如用字母编号），请调整列名转换的逻辑
3. 若数据中有特殊格式的异常行，可根据实际情况修改跳过规则

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