如何在行 Excel 文件中每 4 個元素創建一個新列？

Question

我正在嘗試獲取多行 excel 文件並解析它們。 我有多行 60 個數字。 我想為每一行每 4 個數字創建一個新的堆棧或行。 我知道這很令人困惑，一個例子是：

input from excel 0.282836353 0.287834898 0.284861334 0.284880417 0.242768564 0.241888021    0.240441747 0.244627766 0.245007869 0.244790578 0.243485108 0.244743911 0.267488959 0.264294548 0.267708093 0.268158158

output: 0.282836353 0.287834898 0.284861334 0.284880417 
        0.242768564 0.241888021 0.240441747 0.244627766 
        0.245007869 0.244790578 0.243485108 0.244743911
        0.267488959 0.264294548 0.267708093 0.268158158

這是我目前嘗試過的：

import openpyxl
excelFile = openpyxl.load_workbook("nameoffile.xlsx")
sheet = excelFile["Sheet1"]
nRows = sheet.max_row
nCols = sheet.max_column
r = 2
groups = 4 # how many to be grouped together
parsedList = []

while r <= nRows:
    rList,rListSum = [],[]
    x = 0
    c = 2
    while c <= nCols:
        if x < groups:
            cell = sheet.cell(row=r,column=c)
            rList.append(cell.value)
        x += 1
        if x == groups:
            rListSum.append(rList)  
    c += 1
    parsedList.append(rListSum)
r += 1

我目前的輸出什么都不是。 我的循環似乎有問題。

Answer 1

問題中的“多行60個數字”這句話不清楚。
每行是否有一個由 60 個數字組成的字符串（例如“0.1 0.2 0.3 ...”）或 60 列（例如 A1、B1、...）？

我假設是后者，你可以使用NumPy和Pandas簡單地做你想做的事。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.rand(5,60))

0   1   2   3   4   5   6   7   8   9   ... 50  51  52  53  54  55  56  57  58  59
0   0.609861    0.778792    0.223185    0.945089    0.630081    0.629745    0.893291    0.557107    0.044485    0.267008    ... 0.423123    0.236365    0.216665    0.173979    0.436419    0.206685    0.188097    0.042587    0.316459    0.252943
1   0.451599    0.234676    0.540550    0.576964    0.067314    0.180313    0.952212    0.725722    0.368086    0.351682    ... 0.209218    0.284543    0.504832    0.306373    0.830000    0.878597    0.549021    0.430474    0.162942    0.194625
2   0.346460    0.803657    0.270074    0.375594    0.080673    0.051869    0.119898    0.632888    0.497251    0.689102    ... 0.586911    0.725564    0.662852    0.814569    0.753149    0.363969    0.811467    0.144431    0.523725    0.725145
3   0.846687    0.488381    0.803212    0.405574    0.137206    0.963724    0.200077    0.576446    0.449057    0.125634    ... 0.295565    0.153730    0.259037    0.725119    0.427521    0.750190    0.222516    0.960042    0.786858    0.446018
4   0.563980    0.809230    0.420195    0.776374    0.506152    0.429394    0.802265    0.261096    0.924650    0.778620    ... 0.282234    0.333429    0.714918    0.404162    0.730436    0.939195    0.657210    0.368771    0.096418    0.189417

df_new = pd.DataFrame(df.to_numpy().reshape(-1, 4))

    0   1   2   3
0   0.609861    0.778792    0.223185    0.945089
1   0.630081    0.629745    0.893291    0.557107
2   0.044485    0.267008    0.433519    0.093443
3   0.057903    0.786750    0.474591    0.579831
4   0.491986    0.686017    0.930706    0.144237
... ... ... ... ...
70  0.958695    0.789661    0.835077    0.146602
71  0.936193    0.436480    0.558998    0.770272
72  0.411825    0.388468    0.282234    0.333429
73  0.714918    0.404162    0.730436    0.939195
74  0.657210    0.368771    0.096418    0.189417

Answer 2

下面的代碼具有與@J.Choi 相同的輸出

pd.DataFrame(np.array(df).reshape(-1, 4))

但是效率較低：