Pandas 按fold_size拼接相邻行字符串折叠DataFrame的优雅实现
Pandas 按指定规模折叠拼接相邻行字符串的优雅实现
你原来的逐行遍历、手动维护删除索引的写法属于原生Python循环逻辑,没有利用Pandas的内置聚合能力,代码冗余且大数据量下性能较差,可替换为以下基于分组聚合的实现,核心逻辑和原代码输出结果完全对齐:
实现思路
- 无需手动判断行边界、维护待删除行列表,直接通过行索引计算每行所属的折叠分组
- 按分组聚合时对文本列做空格拼接,数值列直接取组内首值即可匹配原逻辑
- 自动处理最后一个折叠块行数不足
fold_size的边界场景,不需要额外写长度判断
核心实现代码
和原逻辑一致的测试数据定义:
import pandas as pd fold_size = 5 df = pd.DataFrame({ 'n': range(31), 'text': [str(n) for n in range(31)] })
核心折叠逻辑仅需3行:
# 计算每行对应的折叠组编号:连续的fold_size行归为同一组 df['fold_group'] = df.index // fold_size # 按组聚合得到折叠后的DataFrame,自动删除临时分组列 result = df.groupby('fold_group', as_index=False).agg( n=('n', 'first'), text=('text', lambda row_text: ' '.join(row_text)) ).drop(columns='fold_group')
方案优势
- 代码量比原实现减少60%以上,逻辑更简洁直观
- 利用Pandas向量化聚合能力,处理大规模数据时性能远高于逐行
iterrows的写法 - 自动兼容最后一组行数不足
fold_size的场景,不需要额外写边界判断逻辑 - 后续如果需要调整其他列的聚合规则,只需要修改
agg里的对应配置即可,比原硬编码的循环逻辑灵活很多
内容的提问来源于stack exchange,提问作者Ondrej Sotolar
相关产品推荐
相关产品推荐

