如何将DataFrameGroupBy转换为DataFrame并按每5行计算均值

现有数据集需要按每5行计算均值生成新数据表，原始示例数据如下：

,speed_desired,ambient_temperature,ambient_pressure,speed,temperature,pressure
0,1000,19.91,100.98,560.42,148.39,182.19
1,1000,20.03,101.02,843.28,148.37,448.47
2,1000,20.05,100.92,983.12,148.4,675.49
3,1000,20.07,101.0,1052.37,148.24,845.42
4,1000,20.05,100.98,1086.29,148.35,969.79
5,1000,19.93,100.93,1107.29,148.43,1079.25
6,1000,20.06,100.98,1112.75,148.28,1110.86
7,1000,20.0,101.08,1119.72,148.32,1117.46
8,1000,19.94,100.96,1119.33,148.26,1139.64
9,1000,19.94,101.01,1118.8,148.25,1173.16
10,1000,20.05,101.05,1119.16,148.37,1162.44
11,1000,20.0,100.92,1115.65,148.29,1183.07
12,1000,19.97,101.02,1122.59,148.36,1177.44
13,1000,20.1,101.0,1124.66,148.44,1164.61
14,1000,19.99,100.91,1123.38,148.41,1165.45
15,1000,19.96,100.99,1125.05,148.42,1156.23
16,1000,20.06,101.07,1116.51,148.33,1184.12
17,1000,20.1,101.01,1117.51,148.29,1154.25
18,1000,20.03,101.02,1118.27,148.26,1160.29
19,1000,19.92,101.07,1123.47,148.35,1184.8

最初使用如下代码实现分组求均值：

X_data = X_data.groupby(np.arange(len(X_data)) // 5).mean()

该代码可以输出均值计算结果（数值未保留两位小数），输出如下：

0,1000.0,20.0015,100.99666666666667,1102.1871666666666,148.36433333333335,1117.258
1,1000.0,20.003333333333334,100.99033333333334,1120.6831666666667,148.43883333333332,1164.5089999999998
2,1000.0,19.995,100.99233333333333,1120.874,148.54183333333333,1160.0673333333332
3,1000.0,19.988833333333332,100.99600000000001,1119.3431666666665,148.61316666666667,1164.961

分组后对应的标签数据y_data内容如下：

0,M_0003
1,M_0005
2,M_0007
3,M_0003

后续使用处理后的数据执行XGBoost网格搜索训练，代码如下：

variable_params = {'max_depth': [2, 4, 6, 10], 'n_estimators': [5, 10, 20, 25],
                   'learning_rate': np.linspace(1e-16, 1, 3)}
static_params = {'objective': 'multi:softmax', 'num_class': 6, 'silent': 1}

bst_grid = GridSearchCV(
    estimator=XGBClassifier(**static_params),
    param_grid=variable_params,
    scoring="accuracy"
)

bst_grid.fit(X_data, y_data)

print("Best Accuracy:{}".format(bst_grid.best_score_))
for key, value in bst_grid.best_params_.items():
    print("{}:{}".format(key, value))

运行时抛出如下错误：

Expected array-like (array or non-string sequence), got <pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001F3B2F17760>

待解决的问题：

• 如何将分组计算后的GroupBy类型数据转换为标准DataFrame？
• 是否存在更合理的按每5行计算均值的实现方案？

报错原因很直接：传入模型fit()方法的X_data是GroupBy对象，不是模型要求的类数组结构。正常来说groupby().mean()本身应该返回聚合后的DataFrame，出现这个问题大概率是代码执行顺序异常（比如某步把未聚合的GroupBy对象赋值给了X_data），或者pandas版本差异导致的返回值问题。
两种可直接落地的处理方案：

方案1：修正原有代码，显式生成标准DataFrame #

原有分组逻辑本身是可行的，只需要在聚合后做显式处理，顺便统一保留两位小数即可：

import numpy as np
# 按每5行分组求均值，保留两位小数，重置索引后输出标准DataFrame
X_data = X_data.groupby(np.arange(len(X_data)) // 5).mean().round(2).reset_index(drop=True)

执行完可以用type(X_data)校验，返回pandas.core.frame.DataFrame即为正常。

方案2：分箱打标聚合（鲁棒性更强，避免索引异常） #

如果数据集索引不是从0开始的连续整数，原有分组逻辑可能出现分组错位，可以用分箱方法给每行打分组标签再聚合，适配更多场景：

import pandas as pd
import numpy as np
# 生成每5行一组的分组标签
group_tag = pd.cut(
    X_data.index,
    bins=np.arange(0, len(X_data) + 5, 5),
    right=False,
    labels=False
)
# 按标签聚合求均值
X_data = X_data.groupby(group_tag).mean().round(2).reset_index(drop=True)

训练前务必校验样本数匹配，避免后续报错：

# 输出True代表特征和标签样本数一致，可正常训练
print(len(X_data) == len(y_data))

内容的提问来源于stack exchange，提问作者Patrycja