如何按指定索引区间对DataFrame单元格求和合并？

AI 小北

2026-7-1

实现方案：用Pandas GroupBy按区间分组求和

你提到的需求可以通过Pandas的GroupBy功能轻松实现，核心思路是给行和列分别创建分组标签，再按标签分组求和。以下是具体步骤：

1. 构造示例DataFrame

先还原你给出的原始数据：

import pandas as pd

df = pd.DataFrame([
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
])

2. 自定义区间分组

针对你指定的[0,2]、[2,4]区间，有两种灵活的实现方式：

方式一：按步长自动分组（适合等长区间）

如果行/列是按固定步长划分，直接用整除运算生成分组标签：

# 行分组：每2行归为一组
row_groups = df.index // 2
# 列分组：每2列归为一组
col_groups = df.columns // 2

# 分组求和并重新整理成二维表格
result = df.groupby([row_groups, col_groups]).sum().unstack()

方式二：自定义任意区间（适配非等长场景）

如果需要指定不规则区间范围，用pd.cut生成分组标签：

# 定义行和列的区间边界（左闭右开，include_lowest=True确保起始点被包含）
row_bins = [0, 2, 4]
col_bins = [0, 2, 4]

row_groups = pd.cut(df.index, bins=row_bins, labels=False, include_lowest=True)
col_groups = pd.cut(df.columns, bins=col_bins, labels=False, include_lowest=True)

# 分组求和
result = df.groupby([row_groups, col_groups]).sum().unstack()