本文介绍一种高效方法，将非结构化表格（如键值交替排列的 dataframe）按关键词自动映射为标准结构化格式，通过 stack、切片和 dataframe 构造实现一键转置与列对齐。
本文介绍一种高效方法，将非结构化表格（如键值交替排列的 dataframe）按关键词自动映射为标准结构化格式，通过 stack、切片和 dataframe 构造实现一键转置与列对齐。
在实际数据处理中，我们常遇到“伪表格”——表面是 DataFrame，实则以键（如 'Name', 'Age'）和值（如 'khan', 42）交替排列的非规范结构。这种数据无法直接用于分析或建模，需先还原为标准的宽表格式：每列代表一个字段，每行代表一条记录。
给定原始 DataFrame：
import pandas as pd
import numpy as np
df = pd.DataFrame([
['Name', 'khan', 'Salary', 5000],
['Age', 42, 'phone', '01783232575']
])核心思路是：将键与值分离，并按位置配对重构。最简洁可靠的方式是利用 stack() 将二维结构压平为带层级索引的一维 Series，再提取其 .values 得到扁平数组：
arr = df.stack().values # 输出: array(['Name', 'khan', 'Salary', 5000, 'Age', '42', 'phone', '01783232575'], dtype=object)
此时，偶数索引（0, 2, 4, 6...）对应字段名，奇数索引（1, 3, 5, 7...）对应对应值。据此构造新 DataFrame：
result = pd.DataFrame(
data=[arr[1::2]], # 所有奇数位元素作为唯一一行的数据（值）
columns=arr[::2] # 所有偶数位元素作为列名（键）
)
print(result)输出：
Name Salary Age phone 0 khan 5000 42 01783232575
⚠️ 注意事项：
- 此方法假设原始数据严格遵循「键-值」交替模式（即每行含偶数个元素，且键值成对出现）；
- 若存在缺失或错位（如某行多一个值），
stack()仍会保留顺序，但切片逻辑可能错配，建议预先校验len(arr) % 2 == 0； - 列名大小写与原始文本完全一致（如
'phone'不会自动转为'Phone'），如需标准化，可在赋值前统一处理arr[::2]，例如：columns=[x.title() for x in arr[::2]]； - 如需严格按语义顺序（如
['Name', 'Age', 'Salary', 'Phone']）而非原始出现顺序排列列，可在构造后使用reindex()：desired_order = ['Name', 'Age', 'Salary', 'Phone'] result = result.reindex(columns=desired_order, fill_value=None)
进阶提示：若原始 DataFrame 行数 > 1（即多条记录），上述方法默认仅取首行值；要批量处理多行，需改用 df.values 分别提取每行的键列与值列，再拼接。但本例单行场景下，stack() 方案兼具简洁性与鲁棒性，是解析此类半结构化表格的推荐实践。
