如何将Pandas DataFrame连续3行合并为单行写入新DataFrame？

看起来你想要把原DataFrame里的每一行和它后面的2行打包成新DataFrame的一行，我来帮你修正代码并解释更高效的实现方式。

首先，先分析你现有代码里的几个问题：

• 你用了df.items()来遍历，这其实是在遍历DataFrame的列，而不是行，所以index变量拿到的是列名，不是行索引，导致后续的iloc切片完全错误
• 你写的index:index+6是想取6行，但你的需求是当前行+后续2行，总共3行
• 重复的列名会导致后续操作混乱，最好给合并后的列加个后缀区分

高效解决方案（用Pandas矢量化操作，避免循环） #

Pandas的shift()方法是处理这种行移位需求的最佳工具，比循环遍历行高效得多，尤其是数据量大的时候。下面是完整的可运行代码：

import pandas as pd

# 读取你的数据文件
path = r'C:\Users\Ahmed Ismail Khalid\Desktop\Research Paper\Training and Validation.csv'
df = pd.read_csv(path)

# 1. 获取当前行、下一行、下两行的数据，分别添加后缀区分（避免列名重复）
df_current = df.add_suffix('_0')  # 当前行，后缀_0
df_next1 = df.shift(-1).add_suffix('_1')  # 下一行，后缀_1
df_next2 = df.shift(-2).add_suffix('_2')  # 下两行，后缀_2

# 2. 按列拼接这三个DataFrame，得到每行对应原3行的新结构
new_df = pd.concat([df_current, df_next1, df_next2], axis=1)

# 3. 删除最后2行（因为它们没有足够的后续行，会包含NaN）
new_df = new_df.dropna()

# 如果你一定要用重复的列名（不推荐，会导致索引混乱），可以执行下面这行
# new_df.columns = df.columns.tolist() * 3

print(new_df)

代码解释 #

• shift(-1)：把整个DataFrame向下移动一行，原来的第2行变成第1行，最后一行变成NaN
• add_suffix()：给每个列名加上后缀，比如F1变成F1_0，这样能清晰区分是原数据的哪一行
• concat([...], axis=1)：把三个DataFrame按列拼在一起，形成每行包含原3行数据的新结构
• dropna()：自动删除包含NaN的行，也就是原数据的最后2行，完美解决你提到的NaN问题

示例输出（用你提供的样例数据） #

假设原数据是：

运行代码后得到的new_df（带后缀）：

如果你去掉后缀，就会得到你想要的重复列名结构，但还是建议保留后缀，避免后续操作中因为列名重复出现问题。

内容的提问来源于stack exchange，提问作者Stevi G