如何添加指定行填充NaN、调整位置并按重复区间展示多列值

用Python的pandas库可以高效实现你的需求，具体步骤和示例代码如下：

实现逻辑 #

1. 标记重复段分组
   每个数据段均以II开头、//结尾，先给每个段分配唯一的组ID，方便后续批量处理。
2. 补全缺失的指定行
   预定义每个段的标准行序列，按分组重新索引后，缺失的GG等行自动填充NaN，满足第一个需求。
3. 行转列展示
   将补全后的分组内的行数据转为列格式，满足第二个需求。

示例代码 #

import pandas as pd
import numpy as np

# 假设你已经把原始数据读为df，两列的列名分别为['tag', 'value']
# 下方是对应你图中左侧内容的示例原始数据构造，实际使用时替换为你自己的读入逻辑即可
df = pd.DataFrame({
    'tag': ['II', 'AA', 'BB', 'JJ', 'KK', '//', 'II', 'AA', 'BB', 'GG', 'JJ', 'KK', '//'],
    'value': [1, 2, 3, 5, 6, 7, 11, 12, 13, 14, 15, 16, 17]
})

# 1. 生成分组ID：遇到II则组号+1
df['group_id'] = (df['tag'] == 'II').cumsum()

# 2. 定义每个组的标准标签序列，可根据实际需求修改
standard_tags = ['II', 'AA', 'BB', 'GG', 'JJ', 'KK', '//']

# 3. 按分组重新索引，补全缺失行，缺失值自动设为NaN
df_full = df.set_index(['group_id', 'tag']).reindex(pd.MultiIndex.from_product([df['group_id'].unique(), standard_tags], names=['group_id', 'tag'])).reset_index()

# 4. 行转列，得到每个组为一行、各标签对应值为列的结果
df_result = df_full.pivot(index='group_id', columns='tag', values='value').reset_index(drop=True)

# 输出结果
print(df_result)

说明 #

• 如果你的标准序列和示例不一致，直接修改standard_tags的取值即可，适配所有固定序列缺失补全的场景
• 批量处理上千个重复段时，pandas的向量化操作性能足够支撑，不需要额外做循环优化

内容的提问来源于stack exchange，提问作者LoganLee