大型数据集行列操作：Excel VBA逻辑转Python Pandas/Numpy实现

25万行数据用该方案处理耗时在10秒以内，远高于VBA的执行效率。

前置准备 #

如果本地未安装pandas库，先执行安装命令：
pip install pandas

处理代码 #

import pandas as pd

# 1. 读取CSV数据集，替换成你本地文件的实际路径
df = pd.read_csv("你的数据集文件路径.csv")

# 2. 按积分列降序排序，注意把下面的'积分'替换成你CSV里积分列的实际列名
df_sorted = df.sort_values(by='积分', ascending=False, ignore_index=True)

# 3. 拼接队伍名称和积分，同样把'队伍名称'替换成你CSV里对应列的实际列名
df_sorted['拼接结果'] = df_sorted['队伍名称'] + ' ' + df_sorted['积分'].astype(str)

# 4. 输出结果，可选两种方式：
# 方式1：直接打印所有拼接结果（数据量大的时候不推荐）
# for line in df_sorted['拼接结果']:
#     print(line)

# 方式2：将结果保存为新的TXT/CSV文件，每行对应一条拼接结果
df_sorted['拼接结果'].to_csv("输出结果.txt", index=False, header=False)

注意事项 #

• 如果你的CSV列名不是示例中的'队伍名称'、'积分'，需要对应修改代码里的列名字段
• 如果CSV有特殊分隔符、编码问题，可以在pd.read_csv方法里增加sep、encoding参数调整，比如读取GBK编码的文件用pd.read_csv("文件路径.csv", encoding='gbk')

内容的提问来源于stack exchange，提问作者stackoverflow4443