如何按索引将单列Pandas DataFrame拆分为姓名、年龄、性别三列

利用索引实现完全可行，因为你的数据是每3行一组对应姓名、年龄、性别，以下是两种高效实现方法：

方法一：数组重塑（推荐，性能更优） #

通过reshape直接将单列数据按固定行数拆分，代码如下：

import pandas as pd

# 假设原DataFrame为df，单列名为'col'
# 示例数据构造（可替换为你的实际数据）
data = ['alex', '7', 'female', 'nora', '3', 'female', 'fred', '15', 'male']
df = pd.DataFrame(data, columns=['col'])

# 按每3行一组重塑为3列
reshaped_data = df['col'].values.reshape(-1, 3)
# 转为DataFrame并指定列名
result_df = pd.DataFrame(reshaped_data, columns=['name', 'age', 'gender'])

# 可选：将age列转换为数值类型（按需使用）
result_df['age'] = pd.to_numeric(result_df['age'])

方法二：按索引分组 #

利用索引整除3的结果作为分组依据，聚合后拆分列：

# 按索引//3分组，将每组的3个值转为列表后拆分为列
result_df = df.groupby(df.index // 3)['col'].agg(list).apply(pd.Series)
# 重命名列
result_df.columns = ['name', 'age', 'gender']

注意事项 #

• 确保原DataFrame的总行数是3的倍数，否则reshape会报错；如果有剩余行，可先处理（如删除或补全）。
• 若age列需要数值计算，记得用pd.to_numeric转换类型。

内容的提问来源于stack exchange，提问作者Thekra