如何按原始连续索引值分组拆分未重置索引的Pandas DataFrame

这个需求其实很容易实现，核心思路是通过判断索引的连续性来生成分组键，具体步骤如下：

步骤1：计算索引的连续性差值 #

首先我们需要获取DataFrame的索引，然后计算每一行索引与前一行索引的差值。当这个差值大于1时，说明当前行是一个新分组的起始点。

import pandas as pd

# 假设你的DataFrame名为df
# 将索引转换为Series，计算相邻索引的差值；第一行没有前一行，用fillna填充一个大于1的值（比如2），确保它被标记为新组起点
index_diff = df.index.to_series().diff().fillna(2)

步骤2：生成分组标识 #

接下来，我们对“差值大于1”的布尔值序列做累加求和，这样每遇到一个不连续的索引，分组标识就会递增，从而得到每个行对应的分组ID：

group_id = (index_diff > 1).cumsum()

步骤3：执行分组操作 #

现在用这个分组ID对DataFrame进行分组即可：

grouped_df = df.groupby(group_id)

验证分组结果 #

你可以遍历分组来确认结果是否符合预期：

for group_num, group_data in grouped_df:
    print(f"第 {group_num} 组：")
    print(group_data)
    print("---")

针对你提供的DataFrame，执行上述代码后，索引1-12会被分到同一组（因为它们的索引是连续的，差值都是1），索引61的行会单独成为一组。如果你的实际需求是要把1-9和10-12分成两组，那可能是基于其他规则（比如时间帧的间隔），但如果是严格按索引相邻性的话，1-12属于同一连续序列哦。

内容的提问来源于stack exchange，提问作者Leo