如何用Pandas按每119行提取DataFrame指定列构建新DataFrame

现有一个带datetime索引的DataFrame data，结构如下（共279817行5列）：

id  activity     x          y           z
datetime                    
1970-01-01 00:42:00.219142823   1623    A   -0.152512   -8.585220   -1.219192
1970-01-01 00:42:00.269496827   1623    A   0.999466    -8.196548   -0.758926
1970-01-01 00:42:00.319850830   1623    A   0.450241    -8.701187   -1.290024
1970-01-01 00:42:00.370204834   1623    A   -0.042175   -9.739563   -1.787415
1970-01-01 00:42:00.420558838   1623    A   3.551483    -10.745132  -1.266403
... ... ... ... ... ...
1970-01-22 01:26:29.872699000   1644    A   2.239343    -8.408914   2.074087
1970-01-22 01:26:29.892898000   1644    A   2.548301    -8.157437   1.820215
1970-01-22 01:26:29.912994000   1644    A   2.636917    -7.786209   2.057322
1970-01-22 01:26:29.933195000   1644    A   2.545906    -7.743098   1.801055
1970-01-22 01:26:29.953291000   1644    A   2.373464    -8.071217   1.585503
279817 rows × 5 columns

需求：每119行提取一次x、y、z列的所有值以及对应的activity标签，将每组数据按「x列值|y列值|z列值|activity」的格式合并为新DataFrame的一行，循环处理所有数据。

方法1：分组聚合（高效优先） #

利用groupby批量处理，避免手动循环，适合大数量级数据：

1. 生成分组键：通过行号给每119行分配同一个组编号，用np.arange(len(data)) // 119实现（原索引为datetime，无法直接整除，需用行序号分组）
2. 定义聚合逻辑：对每组数据，按要求拼接每行的x、y、z和activity；若每组内activity标签一致，直接取组内第一个值即可，不一致则按需调整
3. 生成新DataFrame：将聚合结果转为结构化DataFrame

示例代码：

import numpy as np
import pandas as pd

# 创建分组键，每119行为一组
group_keys = np.arange(len(data)) // 119

# 定义拼接函数
def format_group(group):
    # 假设每组activity一致，取第一个值；若不一致可改为'|'.join(group['activity'].unique())
    activity = group['activity'].iloc[0]
    # 按格式拼接每行数据
    row_strings = [f"{x}|{y}|{z}|{activity}" for x, y, z in zip(group['x'], group['y'], group['z'])]
    # 将组内所有拼接结果合并为一行（用换行分隔，可按需替换为其他分隔符）
    return '\n'.join(row_strings)

# 分组聚合得到新DataFrame
new_df = data.groupby(group_keys).apply(format_group).reset_index(name='combined_data')

方法2：手动循环切片（直观可控） #

如果需要精细化控制流程，可采用循环逐段处理：

1. 计算总组数：用(len(data) + 118) // 119向上取整，确保最后不足119行的部分也被处理
2. 循环处理每组：逐段切片取119行数据，拼接每行的指定字段，将整组拼接结果存入列表
3. 转换为DataFrame：将列表转为结构化DataFrame

示例代码：

import pandas as pd

combined_rows = []
total_groups = (len(data) + 118) // 119

for i in range(total_groups):
    start_idx = i * 119
    end_idx = start_idx + 119
    group_data = data.iloc[start_idx:end_idx]
    # 取组内第一个activity（若不一致需调整）
    activity = group_data['activity'].iloc[0]
    # 拼接每行数据
    group_strings = [f"{row['x']}|{row['y']}|{row['z']}|{activity}" for _, row in group_data.iterrows()]
    combined_rows.append('\n'.join(group_strings))

# 生成新DataFrame
new_df = pd.DataFrame({'combined_data': combined_rows})

注意事项 #

• 若每组内activity标签不一致，需明确处理逻辑：是保留每行自身的activity（即拼接时用当前行的activity），还是统一用组内某一个值
• 处理27万行数据时，groupby方法效率远高于手动循环，优先推荐
• 如需控制数值精度，可在拼接时指定小数位数，例如f"{row['x']:.6f}|{row['y']:.6f}|..."

内容的提问来源于stack exchange，提问作者Nickkouts