如何遍历字典中每第N个元素并合并对应DataFrame？

方法步骤（Python 3.7+，字典保持插入顺序） #

假设你的DataFrame字典名为df_dict，要选取每第3个元素（含第一个）：

1. 筛选目标元素
   利用enumerate获取字典项的索引，筛选索引满足idx % 3 == 0的项（索引从0开始，对应第1、4、7...个元素）：

   n = 3
   # 筛选并创建新字典
   new_df_dict = {key: df for idx, (key, df) in enumerate(df_dict.items()) if idx % n == 0}
   

2. 合并DataFrame
   使用pandas.concat合并筛选后的DataFrame：

   import pandas as pd
   
   # 合并并重置索引
   merged_df = pd.concat(new_df_dict.values(), ignore_index=True)
   
   # 可选：保留原字典的键作为来源标识（生成层级索引）
   merged_df = pd.concat(new_df_dict.values(), keys=new_df_dict.keys(), names=['source_key', 'original_index'])
   

兼容旧版Python（<3.7，字典无序） #

如果你的Python版本低于3.7，字典不保证插入顺序，需要先对键排序再筛选：

n = 3
# 先对字典键排序（根据你的键类型选择合适的排序逻辑）
sorted_keys = sorted(df_dict.keys())
# 选取每第3个键
selected_keys = sorted_keys[::n]
# 创建新字典
new_df_dict = {key: df_dict[key] for key in selected_keys}

# 合并操作同上
merged_df = pd.concat(new_df_dict.values(), ignore_index=True)

说明 #

• 索引判断逻辑：idx % n == 0对应从第一个元素开始，每间隔n-1个元素选取一个（比如n=3时，选索引0、3、6...）。
• 如果需要从第k个元素开始选取，只需调整条件为(idx - k + 1) % n == 0（比如从第2个开始选每3个，条件为(idx -1) %3 ==0）。

内容的提问来源于stack exchange，提问作者Adam