Python：如何将宽DataFrame按相邻列对拆分为子数据集？

问题场景 #

你有一个包含N列的宽DataFrame，列以两两成对的形式排列：每对的第一列是债券的日期序列，第二列是对应债券的历史价格，依次类推。需要将其拆分为N/2个子DataFrame，每个子DataFrame包含一对相邻列。

你的原代码出现索引错误，问题出在两处：

• 循环范围和步长错误：range(0,len(df.columns)+1)会遍历所有列索引，没有按每2列一组的逻辑走
• 列切片错误：i:i+3会取出3列，而你需要的是每2列一组，应该用i:i+2

正确实现代码 #

基础版本（直接拆分） #

sub = {}
# 按步长2遍历列索引，每次处理一对列
for idx, i in enumerate(range(0, len(df.columns), 2)):
    # 取当前索引i到i+2的列（iloc切片左闭右开，i:i+2正好是2列）
    sub[f"bond_{idx+1}"] = df.iloc[:, i:i+2]

• 用enumerate生成子DataFrame的序号，命名为bond_1、bond_2...，比用原索引更直观
• range(0, len(df.columns), 2)确保每次跳过2列，正好覆盖所有成对列

优化版本（重命名列增强可读性） #

如果想让子DataFrame的列名更清晰，可以在拆分时重命名列：

sub = {}
for idx, i in enumerate(range(0, len(df.columns), 2)):
    subset = df.iloc[:, i:i+2]
    # 重命名列：第一列保留ISIN作为日期列标识，第二列改为"price"
    subset.columns = [f"{subset.columns[0]}_date", "price"]
    sub[f"bond_{idx+1}"] = subset

比如拆分后的bond_1列名会变成XS0552790049_date和price，更易理解。

验证 #

拆分后可以通过sub["bond_1"]查看第一个子DataFrame，结果就是你需要的包含["XS0552790049","Unnamed: 5583"]的数据集。

内容的提问来源于stack exchange，提问作者Emanuele Pizzochera