如何批量计算DataFrame中每3列分组的行均值与标准差？

可以通过给列生成分组标签，再按列分组聚合的方式实现自动化处理，不用手动逐个指定列：

步骤1：生成列分组标签 #

根据列的顺序，每3列归为一组，生成对应的组名（比如A1-3、A4-6）：

import numpy as np
import pandas as pd

# 假设你的原始DataFrame是df
group_labels = [f"A{(i//3)*3 + 1}-{(i//3)*3 + 3}" for i in range(len(df.columns))]

步骤2：按列分组计算均值和标准差 #

使用groupby(axis=1)按生成的标签分组，同时聚合计算均值和标准差：

# 按列分组，每行计算均值、标准差
agg_result = df.groupby(group_labels, axis=1).agg(['mean', 'std'])

步骤3：重命名列到目标格式 #

把多级列名合并成A1-3_mean、A1-3_std的格式：

# 合并多级列名
agg_result.columns = [f"{group}_{stat}" for group, stat in agg_result.columns]

# 如果需要保留原Time列，假设Time是df的列之一，可以这样合并
new_df = pd.concat([df['Time'], agg_result], axis=1)

说明 #

你之前用groupby('Time')的思路不对，因为需求是每行内按列分组计算，而不是按Time值对行分组。上面的方法会自动遍历所有列，每3列一组完成计算，不管你有多少组重复数据都能适配。

内容的提问来源于stack exchange，提问作者Felix