Python中有没有快速实现csv单元格按换行拆分合并、按列分组的方法

你现有实现用了逐行循环的写法，数据量大时性能较低，可直接用pandas内置的向量化方法实现，同时支持双向操作：

正向拆分（带换行的单元格拆分为多行） #

利用str.splitlines将单元格内容转为列表，再用explode方法将列表拆分为独立行，Column3会自动按对应行数重复，无需手动处理：

import pandas as pd

# 读取原始CSV
df = pd.read_csv('Test1.csv')
# 新增分组ID，避免反向合并时因Column3重复出现合并错误，若Column3全局唯一可省略该行
df['group_id'] = df.index
# 将需要拆分的列按换行符转为列表
df[['Column1', 'Column2']] = df[['Column1', 'Column2']].apply(lambda col: col.str.splitlines())
# 同时炸开两列，生成目标格式
df_split = df.explode(['Column1', 'Column2'], ignore_index=True)
# 导出拆分结果
df_split.to_csv('Test1_split.csv', index=False)

反向合并（多行合并为带换行的单元格） #

按分组ID（或Column3）分组后，用\n拼接Column1和Column2的内容即可还原原始格式：

# 读取拆分后的CSV
df_split = pd.read_csv('Test1_split.csv')
# 按分组聚合，还原带换行的单元格
df_merged = df_split.groupby('group_id', as_index=False).agg(
    Column1 = ('Column1', '\n'.join),
    Column2 = ('Column2', '\n'.join),
    Column3 = ('Column3', 'first')
)
# 可选：删除新增的group_id列
df_merged = df_merged.drop('group_id', axis=1)
# 导出合并结果
df_merged.to_csv('Test1_merged.csv', index=False)

注意事项 #

• 上述实现默认你提到的「Column1和Column2单元格换行数量始终一致」的前提，无需额外做长度校验
• 若使用低于1.3.0版本的pandas，不支持同时explode多列，可分开两次调用explode方法：先炸Column1再炸Column2，效果完全一致
• 若确认Column3值全局唯一，可省略group_id字段，直接按Column3分组即可

内容的提问来源于stack exchange，提问作者Blckster