如何高效读取文本文件并将多组节点-向量列重排为新行（寻求更优实现方案）

嗨，你的需求我完全理解啦！你现在的代码其实已经能解决问题，但确实可以写得更通用、更简洁，不管是用纯Python还是Pandas都有优化空间，我给你两种方案参考：

纯Python通用优化版 #

你当前的代码是针对3个节点硬编码索引的，但实际场景是10个节点，这样写10次append会非常繁琐。我们可以改成循环处理任意数量的节点，代码灵活性会高很多，不用每次改节点数都手动调整索引：

N = 10  # 替换成你实际的节点数量（比如你说的10个）
all_data = []
headline = "x y z vx vy vz"  # 根据你的实际表头调整

with open(old_file, "r") as file1:
    next(file1)  # 跳过首行，比readline更简洁直观
    for line in file1:
        parts = line.strip().split()
        # 每行前3*N个元素是所有节点的坐标，后3*N个是对应向量
        coord_segment = parts[:3*N]
        vector_segment = parts[3*N:]
        
        # 循环每个节点，拼接对应的坐标和向量
        for i in range(N):
            # 取第i个节点的3个坐标值
            node_coords = coord_segment[3*i : 3*(i+1)]
            # 取第i个节点对应的3个向量值
            node_vector = vector_segment[3*i : 3*(i+1)]
            all_data.append(node_coords + node_vector)

with open(new_file, "w") as file2:
    file2.write(f"{headline}\n")
    for row in all_data:
        file2.write(' '.join(row) + '\n')

这个版本的好处是：不管你是3个还是10个节点，只要修改N的值就行，不用硬编码一堆索引，维护起来方便太多，逻辑也更清晰。

Pandas高效实现方案 #

你提到尝试过Pandas但没得到正确结果，其实用Pandas可以实现非常高效的向量化处理，尤其适合你说的“几千行数据”的场景，这里给你两种写法：

写法1：快速重塑法（大数据量首选） #

这种方法用Numpy的reshape直接批量处理所有数据，完全避开循环，性能最优：

import pandas as pd
import numpy as np

N = 10  # 实际节点数量
headline = ["x", "y", "z", "vx", "vy", "vz"]

# 读取原文件，跳过首行，自动按空格分割列
df = pd.read_csv(old_file, sep="\s+", skiprows=1, header=None)

# 把所有节点坐标重塑为（总节点数, 3）的数组
coords = df.iloc[:, :3*N].values.reshape(-1, 3)
# 把所有向量值重塑为（总节点数, 3）的数组
vectors = df.iloc[:, 3*N:].values.reshape(-1, 3)

# 合并坐标和向量，生成结果DataFrame
result_df = pd.DataFrame(np.hstack([coords, vectors]), columns=headline)

# 写入新文件
result_df.to_csv(new_file, sep=" ", index=False, header=True)

写法2：列拆分法（逻辑更直观） #

如果你更偏好Pandas的DataFrame操作逻辑，也可以用列拆分的方式实现：

import pandas as pd

N = 10
headline = ["x", "y", "z", "vx", "vy", "vz"]

# 生成所有坐标列和向量列的名称
coord_cols = [f"node_{i}_{axis}" for i in range(N) for axis in ["x", "y", "z"]]
vector_cols = [f"vec_{i}_{axis}" for i in range(N) for axis in ["x", "y", "z"]]

# 读取文件，指定列名
df = pd.read_csv(old_file, sep="\s+", skiprows=1, names=coord_cols + vector_cols)

# 初始化结果列表
result_rows = []
for i in range(N):
    # 提取第i个节点的坐标和向量列
    node_data = df[[f"node_{i}_x", f"node_{i}_y", f"node_{i}_z",
                    f"vec_{i}_x", f"vec_{i}_y", f"vec_{i}_z"]]
    node_data.columns = headline
    result_rows.append(node_data)

# 合并所有节点数据
result_df = pd.concat(result_rows, ignore_index=True)

# 写入文件
result_df.to_csv(new_file, sep=" ", index=False, header=True)

两种Pandas方案里，第一种reshape的写法速度最快，适合处理超大规模的数据集；第二种逻辑更直观，适合新手理解。

备注：内容来源于stack exchange，提问作者user29975383