对无datetime索引的pandas Series按n个为一组重采样的实现方法

你可以通过索引整数除法生成分组键，配合groupby实现需求，该方案是pandas原生向量化实现，性能优于手写循环，也能避免rolling方法滑动窗口非固定步长分组的问题。

最简实现代码 #

import pandas as pd

s = pd.Series([1,2,3,4,11,22,33,44,444,555,666])
n = 4 # 自定义每组元素数量
result = s.groupby(s.index // n).max()

运行后得到的输出与预期一致：

0      4
1     44
2    666
dtype: int64

适配场景说明 #

• 若你的Series使用默认从零开始的连续整数索引，可直接使用上述代码，s.index // n会自动将每n个连续索引划分为同一组：索引0_{3除以4结果均为0，4}7除以4结果均为1，8~10除以4结果均为2，刚好匹配分组规则。
• 若你的Series使用非默认/非连续索引，可先重置为连续顺序索引再做分组：

# 非默认索引场景的兼容写法
s = s.reset_index(drop=True)
result = s.groupby(s.index // n).max()

• 你可以将max()替换为sum()、mean()等任意聚合函数，实现不同的分组统计需求。

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