如何将DataFrame每n行分为一组，是否有类似np.full的DataFrame函数

pandas没有内置和np.full完全同名的函数，但可以通过以下两种方式快速实现相同效果，生成指定行列结构、所有值均为指定填充值的DataFrame：

• 直接使用pandas构造函数实现（最简单）：
  直接向pd.DataFrame传入标量作为填充值，同时指定索引和列名即可，示例：

  # 生成5行3列、所有值为0、列名为col1/col2/col3的DataFrame
  df_full = pd.DataFrame(0, index=range(5), columns=["col1", "col2", "col3"])
  

• 结合numpy实现（性能最优，适合超大数据量场景）：
  直接把np.full生成的数组作为DataFrame的数据源即可：

  import numpy as np
  df_full = pd.DataFrame(np.full((5,3), 0), columns=["col1", "col2", "col3"])
  

针对你的需求，有两种常用实现方案，可根据你的数据稳定性选择：

先给出示例数据的构造代码方便测试：

import pandas as pd
df = pd.DataFrame({
    "Number": [1,2,1,2],
    "Another header": ["Apple","Orange","Apple","Orange"]
})

• 方案1：按行索引整除分组（通用方案，无需依赖字段值）
  只要你的数据是严格按顺序排列、每2行一组的规则生效，直接用索引整除分组数即可：

# 每2行一组，得到的groups是分组列表，每个元素是对应分组的DataFrame
groups = [group_df for _, group_df in df.groupby(df.index // 2)]

你可以直接遍历groups把每个分组传入你的排序模型即可。

• 方案2：按Number字段标记分组（更稳妥，适配数据可能存在乱序的场景）
  如果你的数据可能存在行顺序混乱、但Number为1的行固定是分组起始行的场景，可以用Number字段的累计计数作为分组键：

# 每遇到Number=1的行就新建一个分组
groups = [group_df for _, group_df in df.groupby(df["Number"].eq(1).cumsum())]

这种方式可以自动适配异常的行顺序、缺行等问题，更贴合业务逻辑校验。

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