基于列表特定值创建DataFrame：小学成绩表格转换需求

我来帮你搞定这个数据格式转换的问题，用Python的Pandas就能轻松实现，比手动构建嵌套列表高效太多了：

步骤1：准备数据（假设已导入合并为单列Series） #

首先假设你已经把Excel合并后的列加载成了Pandas的Series，比如叫flat_data。原数据开头的score是无关表头，先把它去掉：

import pandas as pd
import numpy as np

# 模拟你的合并后数据（实际替换成你导入的列即可）
flat_data = pd.Series(['score', 'NameA', 'test1', '10', 'test2', '23', 'test4', '15', 'NameB', 'test1', '10', 'test3', '17'])
# 移除第一个无关的'score'元素
flat_data = flat_data[1:]

步骤2：识别学生分组 #

我们需要把每个学生的成绩片段归为一组，先标记所有学生名字的位置，再用累加生成组ID：

# 标记哪些元素是学生名字（假设名字都以'Name'开头，可根据实际调整判断逻辑）
is_name = flat_data.str.startswith('Name')
# 生成每个元素对应的组ID（每个学生对应一个组）
group_ids = is_name.cumsum()

步骤3：分组转换为键值对字典 #

对每个学生组，把testX和对应成绩配对成键值对，学生名字作为索引：

# 定义处理单个学生组的函数
def process_group(group):
    # 组的第一个元素是学生名字
    name = group.iloc[0]
    # 剩下的元素两两配对：testX -> 成绩
    score_dict = dict(zip(group.iloc[1::2], group.iloc[2::2]))
    # 把字符串成绩转为数值类型
    for k in score_dict:
        score_dict[k] = int(score_dict[k])
    return pd.Series(score_dict, name=name)

# 分组处理所有数据
result_dfs = flat_data.groupby(group_ids).apply(process_group)

步骤4：整理为最终宽格式表格 #

最后把结果转成标准表格，缺失的测试项自动用NaN填充：

# 调整结构为学生行、测试列的格式
final_df = result_dfs.unstack().T
# 把列名改为首字母大写的格式（比如Test1代替test1）
final_df.columns = final_df.columns.str.capitalize()
# 把空值替换为显示友好的'NaN'
final_df = final_df.replace(np.nan, 'NaN')

print(final_df)

运行后会得到和你期望完全一致的表格：

Test1 Test2 Test3 Test4
NameA      10    23   NaN    15
NameB      10   NaN    17   NaN

关键思路说明 #

• 用cumsum()分组：通过标记学生名字的位置，累加生成组ID，自动把每个学生的所有成绩片段归为一组
• 两两配对键值：利用Python的zip()函数，把组内从第二个元素开始的奇数位（testX）和偶数位（成绩）配对成字典，完美对应每个测试的成绩
• Pandas自动补空：转成DataFrame时，Pandas会自动为缺失的测试列填充NaN，无需手动处理

如果你的学生名字不是以'Name'开头，只需要调整is_name的判断逻辑即可，比如用flat_data.str.contains('你的名字匹配规则')来适配实际格式。

内容的提问来源于stack exchange，提问作者Maartenk