Python中如何对DataFrame按组别分组后每3行进行求和计算

你当前的实现是直接对全局索引按每3行分组，没有先做location的组别拆分，也无法保留非数值列的正确取值，当不同location的行数不是3的整数倍时会出现跨location分组的错误。

以下是可直接运行的正确实现：

import pandas as pd

# 设定每N行求和
N = 3

# 步骤1：按location分组后，在每组内部生成每N行一个的辅助分组编号
df['group_idx'] = df.groupby('location').cumcount() // N

# 步骤2：按location、辅助分组编号+date分组（同个3行组的date取值一致），对数值列求和
result = df.groupby(['location', 'date', 'group_idx'], as_index=False).sum(numeric_only=True)

# 步骤3：删除辅助列得到最终结果
result = result.drop('group_idx', axis=1)

如果同3行组内的date取值不统一，可以改用下面的通用写法，自定义非数值列的取值规则：

result = df.groupby(['location', 'group_idx'], as_index=False).agg(
    date = ('date', 'first'), # 保留每组第一个date，也可按需修改为last等规则
    one = ('one', 'sum'),
    two = ('two', 'sum'),
    three = ('three', 'sum')
)

运行后得到的result和你给出的期望输出完全一致。

内容的提问来源于stack exchange，提问作者Lynn