DataFrame按Name分组，每5行/50ft间隔拆分，提取D列首、次众数

使用Pandas的分组功能结合自定义函数实现，代码如下：

import pandas as pd

# 构造示例DataFrame
data = {
    'Name': ['cat']*9 + ['dog']*10,
    'A': [0,10,20,30,40,50,60,70,80,0,10,20,30,40,50,60,70,80,90],
    'B': [10,20,30,40,50,60,70,80,90,10,20,30,40,50,60,70,80,90,100],
    'C': [1,2,3,5,8,9,59,11,60,56,69,89,50,52,66,67,47,48,89],
    'D': [23,22,23,22,22,27,24,24,27,23,23,22,23,22,27,24,27,24,27],
    'first Majority': ['']*19,
    'second Majority': ['']*19
}
df = pd.DataFrame(data)

def fill_majorities(subgroup):
    # 按频次排序，频次相同保留首次出现顺序
    count_rank = subgroup['D'].value_counts(ascending=False, sort=True)
    mode_list = count_rank.index.tolist()
    
    # 提取首、次众数
    first_mode = mode_list[0] if len(mode_list) >= 1 else None
    second_mode = mode_list[1] if len(mode_list) >= 2 else None
    
    # 仅在子组首行填充值
    subgroup.iloc[0, subgroup.columns.get_loc('first Majority')] = first_mode
    subgroup.iloc[0, subgroup.columns.get_loc('second Majority')] = second_mode
    return subgroup

# 按Name分组，再按每5行拆分，应用函数
final_df = df.groupby('Name', group_keys=False).apply(
    lambda group: group.groupby(lambda idx: idx // 5).apply(fill_majorities)
).reset_index(drop=True)

print(final_df)

1. 构造测试数据：还原题目中的DataFrame，初始时将first Majority和second Majority列置空。
2. 自定义函数fill_majorities：
   • 用value_counts统计D列元素频次，sort=True保证频次高的在前，频次相同时保留元素首次出现的顺序（满足题目"次数相等取先出现"的规则）。
   • 从排序后的索引中提取首、次众数，仅在子组的第一行填入对应列。
3. 分组拆分逻辑：
   • 先按Name分组，得到每个动物的子数据集。
   • 对每个子数据集，通过groupby(lambda idx: idx//5)实现每5行拆分：行索引idx除以5取整，0-4行归为一组，5-9行归为下一组，不足5行自动单独成组。
   • 对每个拆分后的子组应用填充函数，最后重置索引得到结果。

内容的提问来源于stack exchange，提问作者Taiwo