Python Pandas 将单列txt数据转换为标准DataFrame表格的方法咨询

核心实现逻辑 #

首先全量读取文件的每一行内容，拆分出表头段和数据段，再按照表头数量将数据段切分为对应数量的子数组，每个子数组长度等于单数据列的行数，最后将子数组和表头一一对应生成DataFrame即可。

可直接使用的代码 #

import pandas as pd

def single_col_txt_to_df(file_path: str, header_count: int, row_per_col: int, infer_dtype: bool = True) -> pd.DataFrame:
    """
    单列存储的TXT文件转换为结构化DataFrame
    :param file_path: TXT文件本地路径
    :param header_count: 表头数量，即最终DataFrame的列数
    :param row_per_col: 每一列对应的数据行数
    :param infer_dtype: 是否自动推断数据类型，默认开启
    :return: 转换完成的DataFrame
    """
    # 读取所有行，自动跳过空行、去除换行符
    with open(file_path, 'r', encoding='utf-8') as f:
        all_lines = [line.strip() for line in f if line.strip()]
    
    # 拆分表头与数据段
    headers = all_lines[:header_count]
    data_lines = all_lines[header_count:]
    
    # 按列拆分数据
    columns_data = []
    for col_idx in range(header_count):
        start_pos = col_idx * row_per_col
        end_pos = start_pos + row_per_col
        columns_data.append(data_lines[start_pos:end_pos])
    
    # 生成DataFrame
    result_df = pd.DataFrame(dict(zip(headers, columns_data)))
    # 自动推断数据类型，适配数值、布尔等类型的自动转换
    if infer_dtype:
        result_df = result_df.convert_dtypes()
    
    return result_df

使用示例 #

针对你给出的示例文件，表头数量为3，每列数据行数为5，调用方式如下：

df = single_col_txt_to_df("示例文件路径.txt", header_count=3, row_per_col=5)
# 输出验证
print(df)

方案优势 #

• 处理效率高，仅需遍历一次文件内容，时间复杂度为O(n)
• 适配性强，支持自定义表头数量、每列行数，可直接用于不同规格的同类型文件
• 依赖少，仅使用Python标准库和pandas，无需额外安装其他依赖
• 鲁棒性好，自动跳过文件中的空行，兼容文件末尾多余空行等常见格式小问题

内容的提问来源于stack exchange，提问作者babsdoc