如何用Python pandas按日期或换行将单列数据拆分为多列

基础实现（固定每组3行，效率更高） #

原始数据去掉空行后每3行刚好对应「日期、AST指标、ALT指标」的结构，可直接按固定步长拆分：

import pandas as pd

# 1. 读取原始单列数据，过滤空行
# 若原始数据是txt格式，把read_csv换成read_table即可
raw_series = pd.read_csv("your_data.csv", header=None).squeeze()
clean_series = raw_series[raw_series.str.strip().astype(bool)].reset_index(drop=True)

# 2. 按组提取数据
data_dict = {}
for idx in range(0, len(clean_series), 3):
    # 取当前组的日期作为列名
    col_date = clean_series[idx]
    # 提取AST、ALT的数值
    ast_val = int(clean_series[idx+1].split(":")[-1].strip())
    alt_val = int(clean_series[idx+2].split(":")[-1].strip())
    data_dict[col_date] = [ast_val, alt_val]

# 3. 生成目标表格
result_df = pd.DataFrame(data_dict, index=["AST", "ALT"])
print(result_df)

输出示例 #

用你提供的测试数据运行后，输出结果如下：

1/1/2020  1/2/2020  1/3/2020
AST       100       200       100
ALT       200       300       200

兼容实现（按空行分组，适配结构不稳定的场景） #

如果后续每组的指标数量可能变化，推荐按空行作为分组标识拆分，逻辑更鲁棒：

import pandas as pd

raw_series = pd.read_csv("your_data.csv", header=None).squeeze()
# 生成组标识：每遇到一个空行，组号加1
group_mark = raw_series.str.strip().eq("").cumsum()

data_dict = {}
for _, group in raw_series.groupby(group_mark):
    # 过滤当前组的空行
    valid_rows = group[group.str.strip().astype(bool)]
    if len(valid_rows) < 3:
        continue
    col_date = valid_rows.iloc[0]
    ast_val = int(valid_rows.iloc[1].split(":")[-1].strip())
    alt_val = int(valid_rows.iloc[2].split(":")[-1].strip())
    data_dict[col_date] = [ast_val, alt_val]

result_df = pd.DataFrame(data_dict, index=["AST", "ALT"])

注意事项 #

• 如果指标数值为浮点数，把代码中的int替换为float即可
• 如果指标字符串的格式不统一（比如没有冒号、空格位置随机），可以用正则提取数字：import re; ast_val = int(re.search(r"\d+", valid_rows.iloc[1]).group())

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