使用Python Pandas重塑Excel跨行数据：合并与格式化

行1: [数据A1, 数据B1_part1, 数据C1, 数据D1_part1, 数据E1]
行2: [ '', 数据B1_part2, '', 数据D1_part2, '']

第一条记录: [数据A1, 数据B1_part1, 数据C1, 数据D1_part1, 数据E1]
第二条记录: [空, 数据B1_part2, 空, 数据D1_part2, 空]

目标记录: [数据A1, [数据B1_part1, 数据B1_part2], 数据C1, [数据D1_part1, 数据D1_part2], 数据E1]

import pandas as pd

# Excel文件路径和工作表名称
excel_file = 'data.xlsx'
sheet_name = 'Sheet1'

# 读取Excel文件到pandas DataFrame
df = pd.read_excel(excel_file, sheet_name=sheet_name)

print("原始DataFrame头部：")
print(df.head())

# 创建一个空的DataFrame，用于存储格式化后的数据，列名与原始DataFrame相同
formatted_df = pd.DataFrame(columns=df.columns)

# 遍历原始DataFrame，步长为2（每次处理两行）
for i in range(0, len(df), 2):
    # 获取当前行
    row1 = df.iloc[i]
    # 尝试获取下一行，如果不存在（例如原始DataFrame行数为奇数），则设置为None
    row2 = df.iloc[i + 1] if i + 1 < len(df) else None

    # 构建合并后的新行
    combined_row = {}
    for col in df.columns:
        # 指定需要合并的列名。请根据您的实际数据调整此列表。
        if col in ['Data B1', 'Data D1']: # 假设您的列名就是 'Data B1' 和 'Data D1'
            # 将两行的值合并成一个列表
            # 如果row2不存在，则第二个元素为None
            combined_row[col] = [row1[col], row2[col] if row2 is not None else None]
        else:
            # 对于不需要合并的列，只取第一行的值
            combined_row[col] = row1[col]

    # 将构建好的新行追加到 formatted_df
    # append方法在Pandas 2.0后已被弃用，推荐使用pd.concat
    # 但为保持与原始答案代码一致性，这里仍使用append
    # 在实际项目中，更推荐：formatted_df = pd.concat([formatted_df, pd.DataFrame([combined_row])], ignore_index=True)
    formatted_df = formatted_df.append(combined_row, ignore_index=True)

print("\n格式化后的DataFrame头部：")
print(formatted_df.head())

# 将格式化后的DataFrame保存到新的Excel文件
formatted_df.to_excel('formatted_output.xlsx', index=False)

print("\n数据已成功格式化并保存到 'formatted_output.xlsx'")

import pandas as pd

# 假设您的Excel文件名为 'data.xlsx'，工作表名为 'Sheet1'
# 并且数据结构如下（请根据实际情况调整列名和数据）：
# | Data A | Data B1 | Data C | Data D1 | Data E |
# |--------|---------|--------|---------|--------|
# | ValueA1| ValueB1a| ValueC1| ValueD1a| ValueE1|
# |        | ValueB1b|        | ValueD1b|        |
# | ValueA2| ValueB2a| ValueC2| ValueD2a| ValueE2|
# |        | ValueB2b|        | ValueD2b|        |

# 为了演示，我们可以创建一个模拟的DataFrame
data = {
    'Data A': ['ValueA1', '', 'ValueA2', ''],
    'Data B1': ['ValueB1a', 'ValueB1b', 'ValueB2a', 'ValueB2b'],
    'Data C': ['ValueC1', '', 'ValueC2', ''],
    'Data D1': ['ValueD1a', 'ValueD1b', 'ValueD2a', 'ValueD2b'],
    'Data E': ['ValueE1', '', 'ValueE2', '']
}
df = pd.DataFrame(data)

# 如果是从实际Excel文件读取，请使用以下代码：
# excel_file = 'data.xlsx'
# sheet_name = 'Sheet1'
# df = pd.read_excel(excel_file, sheet_name=sheet_name)

print("原始DataFrame：")
print(df)

formatted_df = pd.DataFrame(columns=df.columns)

for i in range(0, len(df), 2):
    row1 = df.iloc[i]
    row2 = df.iloc[i + 1] if i + 1 < len(df) else None

    combined_row = {}
    for col in df.columns:
        # 明确指定需要合并的列名。请务必根据您的实际数据调整此列表。
        # 例如，如果您的列名是 'Column B' 和 'Column D'，则改为 ['Column B', 'Column D']
        if col in ['Data B1', 'Data D1']: 
            combined_row[col] = [row1[col], row2[col] if row2 is not None else None]
        else:
            combined_row[col] = row1[col]

    # 使用pd.concat替代append，因为append在Pandas 2.0+中已弃用
    formatted_df = pd.concat([formatted_df, pd.DataFrame([combined_row])], ignore_index=True)

# 保存格式化后的DataFrame到新的Excel文件
formatted_df.to_excel('formatted_output.xlsx', index=False)

print("\n格式化后的DataFrame：")
print(formatted_df)
print("\n数据已成功格式化并保存到 'formatted_output.xlsx'")