如何按索引分批选取行并保存至同一DataFrame的不同列？

没问题，我来给你一步步讲清楚怎么实现这个需求，用Pandas就能轻松搞定～

首先假设你已经有了一个原始的大DataFrame（比如叫df_raw），我们的目标是把它按每30行一个块拆分，再把每个块作为新DataFrame的一列，重复操作直到处理完所有数据。下面是具体的实现步骤和代码示例：

1. 准备工作（导入库+示例数据） #

先导入Pandas，没安装的话先执行pip install pandas安装。这里我造了个示例数据方便你测试，你替换成自己的真实数据即可：

import pandas as pd

# 生成120行的单列DataFrame作为示例
df_raw = pd.DataFrame({'原始数据': range(120)})

2. 核心实现代码 #

我们用循环重复分块+合并的操作，关键用iloc按位置取行，再用pd.concat按列拼接：

# 定义每个块的行数（你要的30行）
block_size = 30
# 初始化空的结果DataFrame
new_df = pd.DataFrame()

# 计算能分成多少个完整的30行块
total_blocks = len(df_raw) // block_size

# 循环处理每个块
for block_num in range(total_blocks):
    # 计算当前块的起始/结束索引（iloc是左闭右开，所以end_idx=start+30）
    start_idx = block_num * block_size
    end_idx = start_idx + block_size
    
    # 取出当前块的行数据
    current_block = df_raw.iloc[start_idx:end_idx]
    
    # 给当前块的列重命名，避免重复列名（比如第1组数据、第2组数据...）
    current_block.columns = [f'第{block_num+1}组数据']
    
    # 把当前块拼接到结果DataFrame的右侧（按列拼接，axis=1）
    new_df = pd.concat([new_df, current_block], axis=1)

# 查看前几行结果
print(new_df.head())

3. 处理剩余行（可选） #

如果你的原始数据行数不是30的整数倍（比如100行会剩下10行），可以选两种处理方式：

• 丢弃剩余行：循环前先截断数据

  remaining_rows = len(df_raw) % block_size
  if remaining_rows != 0:
      df_raw = df_raw.iloc[:-remaining_rows]  # 去掉最后剩余的行
  

• 保留剩余行：把剩余行作为最后一个块，不足的位置会自动填充NaN

  # 额外处理剩余行
  remaining_rows = len(df_raw) % block_size
  if remaining_rows != 0:
      start_idx = total_blocks * block_size
      current_block = df_raw.iloc[start_idx:]
      current_block.columns = [f'第{total_blocks+1}组数据']
      new_df = pd.concat([new_df, current_block], axis=1)
  

关键知识点解释 #

• iloc[start:end]：按位置索引取行，左闭右开，比如0:30会取索引0到29的30行数据
• pd.concat([df1, df2], axis=1)：按列拼接两个DataFrame，把第二个的列加到第一个的右侧
• 列重命名：必须给每个块的列起不同名字，否则拼接后会出现重复列名，导致数据混乱

执行完后，new_df就是你想要的结果——每个30行的块对应一列，所有数据都存在同一个DataFrame里啦～

内容的提问来源于stack exchange，提问作者Amit Kumar