Pandas不同数组对应不同列：shape(50,1001)array转指定结构DataFrame

核心问题是直接对Python原生列表执行转置、reshape操作不会生效，可选择以下两种方案实现需求：

方案1：基于numpy数组转置实现（推荐用于大规模数组） #

适合你当前shape为(50,1001)的数组，运算效率更高：

import pandas as pd
import numpy as np

# 先将原生列表转换为numpy数组，转置后再构造DataFrame
np_arr = np.array(arr)
df = pd.DataFrame(np_arr.T)

如需自定义列名，可修改为：

df = pd.DataFrame(np_arr.T, columns=['自定义列名1', '自定义列名2'])

方案2：基于Python内置zip函数实现（无需额外依赖） #

适合小规模数组场景，不需要引入numpy：

import pandas as pd

df = pd.DataFrame(zip(*arr))

效果验证 #

以你给出的示例输入测试：

arr = [['10','24','32','63','70'],['14','85','56','14','45']]

两种方案输出的df均为预期的5行2列结构，完全符合要求。如果需要将字符串类型的数值转为整型，可额外执行df = df.astype(int)即可。

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