Pandas DataFrame如何基于其他行的值替换部分行并调整列名？

适配任意position列数的两种实现方案 #

方案1：Python Pandas 简洁实现 #

直接利用pandas多级表头特性自动合并，不需要手动删行再挨个重命名：

import pandas as pd

# 读取时指定前两行为表头，自动处理分隔符前后空格
df = pd.read_csv("你的文件路径.csv", sep="|", header=[0, 1], skipinitialspace=True)
# 合并两级表头：第二级是position/result的就取第一级的列名，其余取第二级的位置名
df.columns = [
    col1 if col2.strip() in ("position", "result") else col1.strip()
    for col1, col2 in df.columns
]
# 清理冗余空列（原CSV末尾的|会生成空列）
df = df.dropna(axis=1, how="all").rename(columns=lambda x: x.strip())
# 导出结果
print(df.to_csv(sep="|", index=False))

方案2：大文件流式处理方案 #

如果文件体积很大，不需要加载全量数据，逐行处理即可：

• 读第一行：按|分割、去空格、过滤空值，取索引1及之后的所有值存为位置列名列表
• 读第二行：按|分割、去空格、过滤空值，取前2个值拼接上面的位置列表，得到最终表头
• 从第三行开始直接输出原行内容即可

这个方案时间复杂度为O(n)，内存占用仅为表头大小，无论position有多少列都可以自动适配。

内容的提问来源于stack exchange，提问作者Jammy