基于关键词在Pandas中实现非结构化DataFrame的值映射

看起来你现在有个非结构化的Pandas DataFrame，里面的行都是成对的键值对，想要把这些分散的键值整理成标准的列-行格式对吧？我来帮你一步步实现这个需求。

首先先还原你的原始DataFrame，方便后续操作：

import pandas as pd

# 构建原始非结构化DataFrame
data = [
    ["Name", "khan", "Salary", 5000],
    ["Age", 42, "phone", "01783232575"]
]
df = pd.DataFrame(data)
print("原始非结构化DataFrame：")
print(df)

接下来我提供两种简单可靠的方法，帮你把这些键值对映射成目标格式：

方法一：扁平化数据后构建字典 #

我们可以先把整个DataFrame的元素转换成一维列表，再按“键-值”的顺序配对成字典，最后用字典生成标准DataFrame：

# 将DataFrame数据扁平化为一维列表
flat_data = df.values.flatten().tolist()
# 按索引奇偶拆分键和值，构建键值对字典
key_value_map = {flat_data[i]: flat_data[i+1] for i in range(0, len(flat_data), 2)}
# 转换为目标DataFrame并统一列名大小写
final_df = pd.DataFrame([key_value_map])
final_df.columns = final_df.columns.str.title()

print("\n处理后的标准DataFrame：")
print(final_df)

方法二：逐行遍历提取键值 #

如果你的原始DataFrame后续可能有更多行，这种逐行处理的方式会更灵活：

key_value_map = {}
# 遍历每一行数据
for row in df.values:
    # 每行中每两个元素为一组，提取键和值
    for idx in range(0, len(row), 2):
        key = row[idx]
        value = row[idx+1]
        key_value_map[key] = value

# 生成目标DataFrame并调整列名格式
final_df = pd.DataFrame([key_value_map]).rename(columns=str.title)

print("\n处理后的标准DataFrame：")
print(final_df)

运行任意一种方法后，你都会得到想要的结果：

备注：内容来源于stack exchange，提问作者Firoj Kawser Jubayer