如何在DataFrame每行后插入空行再合并导出CSV
实现方案
核心用向量化操作实现,适配动态行数,性能足够处理大体积CSV的前序行处理,无需逐行循环。
实现步骤
- 导入依赖
首先需要导入pandas和numpy:
import pandas as pd import numpy as np
- 核心处理逻辑
对初始读取到的前序DataFrame(假设变量名为df_src)执行以下操作:
# 获取原DataFrame的行列数 n_rows, n_cols = df_src.shape # 构造和原行列数一致的空值数组 empty_arr = np.full((n_rows, n_cols), np.nan) # 构造新的二维数组,按「原行+空行」的顺序交错排列 combined_arr = np.empty((2 * n_rows, n_cols), dtype=object) combined_arr[::2] = df_src.values # 偶数索引放原数据行 combined_arr[1::2] = empty_arr # 奇数索引放空行 # 转成新的DataFrame,列名和原DataFrame完全一致 df_processed = pd.DataFrame(combined_arr, columns=df_src.columns)
效果验证
用你提供的示例数据测试:
# 模拟你的初始DataFrame df_src = pd.DataFrame({ 0: [ "COMPANY NAME XYZ LTD.", "Region c.", "Here some header just to make readbale for user..", 0 ] }) # 执行上述处理逻辑后,输出结果为: # 0 COMPANY NAME XYZ LTD. # 1 NaN # 2 Region c. # 3 NaN # 4 Here some header just to make readbale for user.. # 5 NaN # 6 0 # 7 NaN
导出CSV时,默认会将NaN输出为空字符串,正好得到你需要的空行效果。
后续合并导出
处理完成后可直接合并到目标DataFrame顶部:
# df_target是你需要拼接的另一个DataFrame final_df = pd.concat([df_processed, df_target], ignore_index=True) # 导出CSV,按你的格式需求关闭索引和表头输出 final_df.to_csv("output.csv", index=False, header=False)
方案优势
- 纯向量化操作,无逐行循环,处理10万行以内的前序数据耗时几乎可以忽略,适配大CSV处理场景
- 自动适配动态行数,无需提前统计行数
- 列名和原DataFrame完全对齐,合并时不会出现列错位问题
可选纯Pandas实现
如果不想依赖numpy的数组操作,也可以用以下Pandas原生逻辑实现,性能略低于numpy方案但兼容性一致:
# 给原df添加临时分组标识 df_src['_tmp_group'] = range(len(df_src)) # 生成和原df同结构的空值行 df_empty = pd.DataFrame(np.nan, index=df_src.index, columns=df_src.columns) df_empty['_tmp_group'] = range(len(df_empty)) # 合并后按分组排序,保证原行和空行交错,最后删除临时列 df_processed = pd.concat([df_src, df_empty]).sort_values('_tmp_group').drop(columns=['_tmp_group']).reset_index(drop=True)
内容的提问来源于stack exchange,提问作者Shubham Srivastava
相关产品推荐
相关产品推荐

