如何对77列1080行的DataFrame按每15行求min、max和mean？

刚好你的数据行数1080是15的整数倍（1080 ÷ 15 = 72组），处理起来非常顺畅。用Pandas的groupby结合agg就能轻松实现需求，具体步骤如下：

• 生成分组键：我们可以用numpy生成一个数组，让每15行对应同一个组编号。比如前15行组号为0，接下来15行组号为1，以此类推。
• 分组聚合：用这个分组键对DataFrame分组，然后同时计算每个列的最小值、最大值和均值。
• 优化列名（可选）：默认聚合后的列是多层索引，我们可以把它改成更直观的单层列名，方便后续使用。

直接上代码：

import pandas as pd
import numpy as np

# 生成分组键：每行对应一个组号，每15行一组
group_ids = np.arange(len(df)) // 15

# 分组计算指定统计量
result_df = df.groupby(group_ids).agg(['min', 'max', 'mean'])

# 可选：将多层列名转为单层，格式为「原列名_统计量」
result_df.columns = [f"{col}_{stat}" for col, stat in result_df.columns]

代码解释 #

1. np.arange(len(df)) // 15：生成从0到1079的数组，每个数除以15取整，这样自动把每15行归为一组。
2. groupby(group_ids).agg(['min', 'max', 'mean'])：按组分组后，对每个列一次性计算三个统计量，返回的结果会有多层列索引（第一层是原列名，第二层是统计量）。
3. 最后一行的列名调整是可选操作，如果你习惯单层列名的话可以执行，这样列名会变成类似'columnA_min'、'columnA_max'的形式，更清晰。

执行完后，result_df就是你要的新DataFrame：它会有72行（对应72个分组），77×3=231列（每个原列对应三个统计量列）。

如果你的数据行数不是15的整数倍，这个方法依然有效——最后一组会包含剩下的不足15行的数据，统计量计算逻辑不受影响。

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