如何用Pandas将DataFrame按每2行分组并添加分组类别列？

问题描述 #

原始DataFrame数据如下：

TimeStamp,Value
 t1,akak
 t2,bb
 t3,vvv
 t5,ff
 t6,44
 t7,99
 t8,kfkkf
 t9,ff
 t10,oo

需求是按每2行一组拆分数据，为每组添加c1、c2……格式的分组类别列，最终得到如下结果：

TimeStamp,Value, class
 t1,akak,c1
 t2,bb,c1
 t3,vvv,c2
 t4,ff,c2
 t5,44,c3
 t6,99,c3
 t7,kfkkf,c4
 t8,ff,c4
 t9,oo,c5
 t10,oo,c5

已知可通过循环实现，想确认Pandas是否有内置方法完成该操作。

解决方案 #

可以直接用Pandas的内置向量化操作实现，无需循环，步骤如下：

1. 加载数据（若未加载） #

假设数据已保存为CSV文件，加载时处理字段前的空格：

import pandas as pd

df = pd.read_csv("data.csv", skipinitialspace=True)

2. 生成分组类别列 #

利用整数除法生成连续分组编号，再格式化为cX的形式：

• 如果DataFrame的索引是连续整数：

df['class'] = 'c' + (df.index // 2 + 1).astype(str)

• 如果索引非连续（比如自定义索引），用numpy生成连续序列来计算：

import numpy as np

df['class'] = 'c' + (np.arange(len(df)) // 2 + 1).astype(str)

说明 #

这种方式依赖Pandas/Numpy的向量化运算，比循环效率高得多，尤其是处理大数据量时优势明显。执行后即可得到符合需求的DataFrame。

内容的提问来源于stack exchange，提问作者user93796