如何在Python中将单行数据拆分为指定8列的DataFrame？

我帮你整理了两种实现方式，第一种完全匹配你给出的期望输出格式，第二种是通用的顺序转换方法，你可以按需选择：

方法一：精准匹配你的期望输出（处理索引顺序调整） #

观察你的期望输出，第一行需要调换原始数据中索引6和7对应的数值顺序，用字典映射的方式可以精准提取对应索引的值，完美贴合需求：

import pandas as pd

# 你的原始单行数据
raw_data = "0 0.008985 1 0.486024 2 0.800637 3 0.006264 4 5.030551 5 0.001959 6 0.002210 7 0.005949 8 0.008985 9 0.689814 10 0.889638 11 0.007462 12 5.589760 13 0.005739 14 0.006474 15 0.004770 16 0.008985 17 0.202327 18 0.152252 19 0.004041"

# 1. 将原始数据分割为列表，构建「索引-数值」字典
data_list = raw_data.split()
index_value_dict = {int(data_list[i]): float(data_list[i+1]) for i in range(0, len(data_list), 2)}

# 2. 定义每行对应的索引（按你的期望输出调整第一行的索引顺序）
row1_indices = [0, 1, 2, 3, 4, 5, 7, 6]  # 对应var1到var8
row2_indices = [8, 9, 10, 11, 12, 13, 14, 15]

# 3. 提取每行的数值
row1_values = [index_value_dict[idx] for idx in row1_indices]
row2_values = [index_value_dict[idx] for idx in row2_indices]

# 4. 创建DataFrame并指定列名
df = pd.DataFrame([row1_values, row2_values], columns=[f"var{i}" for i in range(1, 9)])

# 输出为你需要的竖线分隔格式
print(df.to_csv(sep='|', index=False))

运行后输出完全符合你的要求：

var1|var2|var3|var4|var5|var6|var7|var8
0.008985|0.486024|0.800637|0.006264|5.030551|0.001959|0.005949|0.002210
0.008985|0.689814|0.889638|0.007462|5.589760|0.005739|0.006474|0.004770

方法二：通用按顺序转换（无需调整索引） #

如果你的数值本身就是按列顺序排列的，不需要调换索引顺序，可以用更简洁的数组重塑方法：

import pandas as pd
import numpy as np

raw_data = "0 0.008985 1 0.486024 2 0.800637 3 0.006264 4 5.030551 5 0.001959 6 0.002210 7 0.005949 8 0.008985 9 0.689814 10 0.889638 11 0.007462 12 5.589760 13 0.005739 14 0.006474 15 0.004770 16 0.008985 17 0.202327 18 0.152252 19 0.004041"

# 分割数据并提取所有数值（跳过索引，取奇数位置的元素）
data_list = raw_data.split()
values = [float(x) for x in data_list[1::2]]

# 取前16个数值，重塑为2行8列的数组
reshaped_values = np.array(values[:16]).reshape(2, 8)

# 创建DataFrame
df = pd.DataFrame(reshaped_values, columns=[f"var{i}" for i in range(1, 9)])

print(df)

关键说明 #

• 字典映射法：适合需要精准匹配特定索引数值的场景，灵活度高，能处理索引顺序调整的需求。
• 数组重塑法：适合规则化的批量转换，代码更简洁，适合数值已经按列顺序排列的情况。

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