如何在Pandas中对数据每5行重复执行转置操作？

嘿，你的初始代码已经搞定了前5行的转置，要批量处理剩下的每5行数据，我给你分享两种实用的方法，都是Pandas里常用的思路：

方法一：用分组（groupby）实现高效处理 #

这是最符合Pandas风格的写法，不用手动写循环，效率还高：

import pandas as pd

# 读取原始数据
df = pd.read_csv('https://s3.amazonaws.com/todel162/kaggle_unicode1.txt', encoding='utf8', sep='`', header=None)

# 按每5行分组，对每组执行转置和列名设置
grouped = df.groupby(df.index // 5)
result_list = []
for _, group in grouped:
    transposed_group = group.T
    transposed_group.columns = ['task_name', 'task_description', 'task_date', 'task_prize', 'task_teams']
    result_list.append(transposed_group)

# 合并所有处理后的结果为一个完整DataFrame
final_result = pd.concat(result_list, ignore_index=True)

这里的df.index // 5会自动把每5行划为一组（比如第0-4行是一组，5-9行是下一组），每组转置后设置好列名，最后把所有组的结果拼在一起就行。

方法二：手动循环遍历每5行 #

如果你更喜欢直观的循环逻辑，也可以这么写：

import pandas as pd

df = pd.read_csv('https://s3.amazonaws.com/todel162/kaggle_unicode1.txt', encoding='utf8', sep='`', header=None)

result_list = []
# 以步长5遍历索引，每次取5行数据
for start_idx in range(0, len(df), 5):
    # 截取当前5行的子集
    subset = df.iloc[start_idx:start_idx+5]
    transposed_subset = subset.T
    transposed_subset.columns = ['task_name', 'task_description', 'task_date', 'task_prize', 'task_teams']
    result_list.append(transposed_subset)

final_result = pd.concat(result_list, ignore_index=True)

这个逻辑很简单：从0开始，每次跳5个索引，取对应的5行数据转置，处理完后加入结果列表，最后合并成最终的DataFrame。就算最后一组不足5行，iloc也会自动取到数据末尾，不会报错。

你可以用final_result.head(10)查看前两组的结果，确认和你手动处理前5行的结构一致~

内容的提问来源于stack exchange，提问作者shantanuo