如何按每3行一组为Python DataFrame添加同值列？

现有一个包含n行的DataFrame（n可被3整除），原始数据示例如下：

1 2 3
4 5 6
4 2 3
3 1 9
6 7 0
9 2 5

需求是按每3行一组添加一列，每组内该列值相同，处理后效果如下：

1 2 3 A
4 5 6 A
4 2 3 A
3 1 9 B
6 7 0 B
9 2 5 B

请问最优实现方法是什么？

最优实现方法 #

这是个很常见的分组标识需求，我推荐几种高效的实现方式，其中基于索引计算的方法是最优选择——它简洁、内存占用低，尤其适合大样本量的DataFrame：

方法1：索引整除+字母转换（最推荐） #

利用DataFrame的索引直接计算分组编号，再把编号转换成对应的字母标识，代码非常简洁：

import pandas as pd

# 构造示例DataFrame
data = [[1,2,3],[4,5,6],[4,2,3],[3,1,9],[6,7,0],[9,2,5]]
df = pd.DataFrame(data, columns=['col1','col2','col3'])

# 核心代码：按每3行分组，生成A/B/C...的标识列
df['group'] = (df.index // 3).apply(lambda x: chr(ord('A') + x))

原理说明：

• df.index // 3会给每一行生成组编号：前3行是0，接下来3行是1，以此类推
• chr(ord('A') + x)把编号0转成A，1转成B，轻松实现字母序列的分组标识
• 这种方法不需要生成额外的重复数组，计算过程轻量化，时间复杂度为O(n)，大数据量下优势明显

方法2：自定义标签+重复序列（适合固定标签场景） #

如果你的分组标签不是A/B这种字母序列，而是自定义字符串，可以先生成标签列表，再重复对应次数：

import pandas as pd

df = pd.DataFrame(data, columns=['col1','col2','col3'])
n_groups = len(df) // 3
# 自定义分组标签
custom_labels = ['Group_X', 'Group_Y']
# 重复每个标签3次，添加为新列
df['group'] = pd.Series(custom_labels).repeat(3).values

适用场景：

当分组标签是固定的、非连续序列时，这种方法更直观，但需要提前知道分组数量，内存占用略高于方法1（因为要生成重复序列）

方法3：数字分组标识（最简版） #

如果不需要字母/自定义标签，只需要数字分组号，直接一行代码搞定：

df['group'] = df.index // 3

处理后列值会是0,0,0,1,1,1...，适合只需要区分分组的场景，效率最高

内容的提问来源于stack exchange，提问作者Cranjis