Python拆分DataFrame：提取每n行及剩余行的方法与报错解决

需求一：生成包含原DataFrame每n行的DataFrame和剩余数据的DataFrame #

这里有两种实用方法，你可以根据习惯选择：

方法1：索引提取+删除法 #

假设原DataFrame为df，要提取每n行（以n=10为例）：

import pandas as pd

# 示例原DataFrame
df = pd.DataFrame({'data': range(100)})
n = 10

# 提取每n行的DataFrame
every_n_rows = df.iloc[::n, :]

# 删除已选行的索引，得到剩余数据
remaining_rows = df.drop(every_n_rows.index, axis=0)

方法2：布尔掩码筛选法 #

这种方式逻辑更直观，通过布尔数组标记行的归属：

# 创建掩码：True对应每n行的位置，False对应剩余行
mask = df.index % n == 0

# 提取每n行
every_n_rows = df[mask]

# 取掩码反值，得到剩余数据
remaining_rows = df[~mask]

如果需要调整起始行（比如从第2行开始每n行），只需把掩码改成df.index % n == 1即可，灵活性拉满。

需求二：修复drop触发的ValueError问题 #

你遇到的问题很典型：new.drop([x_test1], axis=0)中，你传入了整个DataFramex_test1，但drop方法需要的是行的索引标签，不是DataFrame对象，所以触发了报错。这里有三种快速修复方案：

方案1：直接传入x_test1的索引 #

这是最简洁的修改方式，直接替换你原有的drop代码：

dataset = new.drop(x_test1.index, axis=0)

drop会识别这些索引标签并删除对应行。

方案2：布尔索引反选 #

和需求一的思路呼应，通过掩码排除已选行：

# 标记哪些行属于x_test1
mask = new.index.isin(x_test1.index)
# 取反得到剩余行
dataset = new[~mask]

方案3：一步到位提取剩余行 #

其实你可以在提取x_test1的同时，直接生成剩余数据：

x_test1 = new.iloc[::10, :]
# 获取原DataFrame中不在x_test1里的索引
remaining_indices = new.index.difference(x_test1.index)
dataset = new.loc[remaining_indices]

内容的提问来源于stack exchange，提问作者Yash Chakarvarty