嘿，这个问题我碰到过类似的场景！先给你划重点：如果是超大文件，优先用Python内置的csv模块或者流式处理方案，别用pandas——因为pandas会把整个数据集加载到内存里，大文件很容易导致内存溢出，程序直接崩溃。下面给你三种靠谱的实现方案，按需选择：

方案一：基础分割法（适合大多数场景，代码直观） #

如果文件没有大到离谱（内存能装下所有字段），直接把内容按分隔符分割成字段列表，再按每9个一组重新写入就行，代码简单易懂：

input_file = "你的输入文件.csv"
output_file = "格式化后的文件.csv"

# 定义每行的字段数量
fields_per_row = 9

with open(input_file, "r", encoding="utf-8") as infile, open(output_file, "w", encoding="utf-8") as outfile:
    # 读取整个单行内容
    content = infile.read().strip()
    # 按分号分割所有字段
    all_fields = content.split(";")
    
    # 先写入表头（前9个字段）
    outfile.write(";".join(all_fields[:fields_per_row]) + "\n")
    
    # 遍历剩下的字段，每9个一组写入新行
    for i in range(fields_per_row, len(all_fields), fields_per_row):
        # 截取当前行的字段，最后一行可能不足9个也没关系
        current_row = all_fields[i:i+fields_per_row]
        outfile.write(";".join(current_row) + "\n")

方案二：CSV模块规范处理（支持字段内包含分号的情况） #

如果你的CSV里存在字段内容本身带分号的情况（比如字段是"张三;李四"），直接用split会把字段拆坏，这时候用Python内置的csv模块来处理更健壮，它能自动识别带引号的分隔符：

import csv

input_file = "你的输入文件.csv"
output_file = "格式化后的文件.csv"

fields_per_row = 9

with open(input_file, "r", encoding="utf-8") as infile, open(output_file, "w", encoding="utf-8", newline="") as outfile:
    # 创建CSV读取器，指定分隔符和引号符
    reader = csv.reader(infile, delimiter=";", quotechar='"')
    # 读取唯一的一行，得到所有字段的列表
    all_fields = next(reader)
    
    # 创建CSV写入器，保持和原文件一致的格式
    writer = csv.writer(outfile, delimiter=";", quotechar='"')
    
    # 写入表头
    writer.writerow(all_fields[:fields_per_row])
    
    # 按每9个字段一组写入数据行
    for i in range(fields_per_row, len(all_fields), fields_per_row):
        writer.writerow(all_fields[i:i+fields_per_row])

方案三：流式处理（适合GB级超大文件，极致省内存） #

如果文件大到连加载所有字段到内存都做不到（比如几十GB），可以用逐字符/分块读取的方式，边读边统计分隔符数量，每凑够9个字段就换行，全程内存占用极低：

input_file = "你的输入文件.csv"
output_file = "格式化后的文件.csv"

fields_per_row = 9
delimiter = ";"
field_counter = 0

with open(input_file, "r", encoding="utf-8") as infile, open(output_file, "w", encoding="utf-8") as outfile:
    while True:
        # 每次读取4KB的内容块，避免一次性加载大文件
        chunk = infile.read(4096)
        if not chunk:
            break
        
        for char in chunk:
            outfile.write(char)
            if char == delimiter:
                field_counter += 1
                # 每9个字段对应8个分隔符，所以计数器到8时换行并重置
                if field_counter == fields_per_row - 1:
                    outfile.write("\n")
                    field_counter = 0

关于pandas的补充说明 #

不是说pandas完全不能用，如果你文件不大，用pandas一行代码也能搞定，但对于超大文件来说绝对不推荐。比如小文件的pandas写法：

import pandas as pd

df = pd.read_csv("你的输入文件.csv", sep=";", header=None)
# 把单行数据转成每9列一行的格式，前9列作为表头
formatted_df = pd.DataFrame(df.values.reshape(-1, 9))
formatted_df.to_csv("格式化后的文件.csv", sep=";", index=False, header=False)

但这个方法会把整个文件加载到DataFrame里，大文件内存压力极大，所以还是优先前面的方案。

备注：内容来源于stack exchange，提问作者Gabs