如何每5行拆分Pandas DataFrame？无分组变量实现方案

针对你这种没有分组变量、需要按每5行拆分DataFrame的需求，有两种简单高效的实现方式，下面给你详细说明：

方法一：使用numpy.array_split（推荐） #

这个方法最省心，因为array_split会自动处理最后一组行数不足的情况，完全不用手动计算分组数量。

示例代码：

import pandas as pd
import numpy as np

# 假设你的原始DataFrame是df
# 按每5行拆分，得到一个包含多个子DataFrame的列表
split_dfs = np.array_split(df, (len(df) + 4) // 5)

# 如果你需要给每个拆分后的DataFrame命名（比如df1、df2...），可以用循环批量赋值
for idx, sub_df in enumerate(split_dfs, start=1):
    globals()[f'df{idx}'] = sub_df

小解释：

• (len(df) + 4) // 5是个小技巧，等价于向上取整计算分组数，比如16行的话，(16+4)//5=4，刚好分成4组，最后一组自动保留1行。
• 后面的循环会把每个子DataFrame放到全局变量里，和你示例里的df1、df2命名规则完全一致。

方法二：使用groupby手动创建分组键 #

如果你更习惯用Pandas原生的分组逻辑，可以手动生成一个分组列，再按列拆分：

示例代码：

import pandas as pd

# 生成分组键：每5行对应同一个分组编号
df['temp_group'] = (df.index // 5).astype(int)

# 按分组键拆分，提取所有子DataFrame
split_dfs = [group for _, group in df.groupby('temp_group')]

# 批量命名并移除临时分组列
for idx, sub_df in enumerate(split_dfs, start=1):
    globals()[f'df{idx}'] = sub_df.drop('temp_group', axis=1)

小解释：

• 利用默认整数索引的整除特性，index//5会把0-4号索引映射为0，5-9号映射为1，以此类推，自动完成分组。
• 最后删掉临时的temp_group列，就能保持子DataFrame和原始数据的结构完全一致。

两种方法都能实现你要的效果，方法一更简洁，不需要修改原始DataFrame；方法二更贴近Pandas的分组思维，适合后续还要对分组做额外操作的场景。

内容的提问来源于stack exchange，提问作者OwnWork