Python如何将单列按时间戳分组的数据转换为多列结构？

实现思路 #

• 逐行读取原始单列数据，区分时间戳行和观测值行
• 识别到时间戳时，将其作为新的列名，初始化对应观测值存储列表
• 后续非时间戳的行均作为观测值存入当前列对应的列表，直到识别到下一个时间戳
• 全部数据处理完成后，将存储的映射关系转换为表格结构即可

代码示例 #

基础版本（适配示例数据规则） #

import pandas as pd

# 若数据存储在txt文件中，可替换为下方读取代码：
# raw_data = pd.read_csv("你的文件路径.txt", header=None, squeeze=True).tolist()
raw_data = [
    "Datetime stamp 1",
    "Obs1",
    "Obs2",
    "Obs3",
    "Datetime stamp 2",
    "Obs1",
    "Obs2",
    "Obs3"
]

# 存储 列名:观测值列表 映射
col_mapping = {}
current_col = None

for line in raw_data:
    line = line.strip()
    if not line:
        continue
    # 识别时间戳行，可根据实际时间格式调整判断规则
    if line.startswith("Datetime stamp"):
        current_col = line
        col_mapping[current_col] = []
        continue
    # 存入当前列的观测值列表
    if current_col:
        col_mapping[current_col].append(line)

# 转换为DataFrame，自动对齐各列长度
result_df = pd.DataFrame(col_mapping)

# 打印结果，也可通过result_df.to_csv("输出路径.csv", index=False)导出为文件
print(result_df)

自定义时间格式校验版本 #

如果你的时间戳不是固定开头，而是标准时间格式，可替换时间戳识别逻辑：

from datetime import datetime

# 替换上述代码中的if line.startswith("Datetime stamp")判断块
try:
    # 括号内的格式字符串替换为你实际的时间格式，比如"%Y/%m/%d %H:%M"等
    datetime.strptime(line, "%Y-%m-%d %H:%M:%S")
    current_col = line
    col_mapping[current_col] = []
except ValueError:
    pass

输出结果 #

运行上述代码后得到的输出和要求的结构完全一致：

Datetime stamp 1 Datetime stamp 2
0             Obs1             Obs1
1             Obs2             Obs2
2             Obs3             Obs3

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