如何按每5行拆分无分组变量的Pandas DataFrame？

这问题我平时处理批量数据时经常碰到，用Pandas结合Numpy就能轻松搞定，给你分享两种实用的方法，都能自动处理最后一组不足指定行数的情况：

方法一：使用numpy.array_split（推荐） #

array_split是最省心的方式，它会自动根据总长度和每组大小计算分组数，最后一组不足的话也会完整保留：

import pandas as pd
import numpy as np

# 假设你的原始DataFrame是df
# 按每5行拆分，返回一个包含所有小DataFrame的列表
split_dfs = np.array_split(df, np.ceil(len(df) / 5).astype(int))

如何调用拆分后的DataFrame？ #

split_dfs是一个列表，你可以通过索引直接访问每个小DataFrame：

• split_dfs[0]对应你要的df1（前5行）
• split_dfs[1]对应df2（接下来5行）
• ...以此类推

如果一定要把每个小DataFrame单独命名成df1、df2这种，可以用循环快速赋值：

for idx, sub_df in enumerate(split_dfs, start=1):
    globals()[f'df{idx}'] = sub_df

方法二：使用Pandas的groupby #

通过计算每行的分组键，再按分组键拆分，逻辑更直观：

import pandas as pd

# 计算每行所属的分组：行索引整除5，前5行（索引0-4）归为组0，下一组归为组1，以此类推
group_keys = df.index // 5

# 按分组键分组，再转换为DataFrame列表
split_dfs = [group for _, group in df.groupby(group_keys)]

这种方法的好处是可以自定义分组逻辑，比如你以后想调整每组行数，只需要改//后面的数字就行。

效果验证 #

针对你给出的16行DataFrame：

• 两种方法都会拆分成4个小DataFrame
• 前3组各5行，最后1组1行，完全符合你的需求

小提醒：如果不是必须单独命名，建议用列表split_dfs存储所有拆分后的DataFrame，后续遍历操作会更灵活哦！

内容的提问来源于stack exchange，提问作者OwnWork