您可以像以前那样使用zip，但首先需要将第二个列表分成块。在python 3.12+中，这可以通过itertools.batched轻松完成：

from itertools import batched

n = len(my_filetype)//len(my_foldername)

out = pd.DataFrame([[f, *t] for f,t
                    in zip(my_foldername, batched(my_filetype, n))],
                   columns=['FolderName', 'AVI', 'BMP', 'EXE'])

输出量：

FolderName      AVI      BMP      EXE
0    folder1  avi.txt  bmp.txt  exe.txt
1    folder2  avi.txt  bmp.txt  exe.txt00

如果你没有最新的python版本（<3.12），请使用batched方法：

from itertools import islice

def batched(iterable, n):
    # batched('ABCDEFG', 3) --> ABC DEF G
    if n < 1:
        raise ValueError('n must be at least one')
    it = iter(iterable)
    while batch := tuple(islice(it, n)):
        yield batch

或者，使用一个简单的循环和enumerate：

n = len(my_filetype)//len(my_foldername)

out = pd.DataFrame([[f, *my_filetype[i*n:(i+1)*n]] for i,f
                    in enumerate(my_foldername)],
                   columns=['FolderName', 'AVI', 'BMP', 'EXE'])

可以使用numpy.reshape将my_filetype更改为2 x 3数组：

df = pd.DataFrame(
    np.reshape(my_filetype, (2, 3)),
    columns=["AVI", "BMP", "EXE"],
    index=pd.Series(my_foldername, name="FolderName"),
).reset_index()

如果my_filetype有更多的元素，并且你不想手动计算行数，你可以提供-1来告诉numpy为你做这件事：

np.reshape(my_filetype, (-1, 3))

您可以先创建一个字典，然后使用Pandas库将其转换为DataFrame，如下所示：

import pandas as pd

my_foldername = ['folder1', 'folder2']
my_filetype = ['avi.txt', 'bmp.txt', 'exe.txt', 'avi.txt', 'bmp.txt', 'exe.txt']

data = {}

for file_type in my_filetype:
    file_extension = file_type.split('.')[0].upper()
    data[file_extension] = data.get(file_extension, []) + [file_type]

df = pd.DataFrame(data)
df.insert(0, 'FolderName', my_foldername)
df = df.fillna('')

print(df)

这是上面代码的输出：