如何在Pandas中设置滑动窗口每三行遍历并应用自定义函数？

首先得先清理掉数据里的分隔行（--行），它们只是分组标记，不属于有效业务数据：

import pandas as pd

# 假设你的原始DataFrame命名为df
df = df[(df['A'] != '--') & (df['measure'] != '--')]

接下来我们把清理后的DataFrame按每3行拆分成独立分组，这里用numpy的array_split就能轻松实现：

import numpy as np

# 按每3行一组拆分数据
groups = np.array_split(df, len(df) // 3)

现在groups里的每个元素都是包含3行数据的子DataFrame了，接下来就可以遍历这些分组，把你的自定义函数套进去。举个例子，假设你想提取每组的名称、前后measure值以及A列的范围，函数可以这么写：

def process_single_group(group):
    # 提取组内的名称（就是那行带name的记录）
    group_name = group[group['measure'].str.startswith('name')]['measure'].iloc[0]
    # 提取组内的两个measure数值
    measure_vals = group[~group['measure'].str.startswith('name')]['measure'].values
    # 提取A列的数值范围
    a_range = (group['A'].min(), group['A'].max())
    
    # 按你的需求返回处理结果，这里可以自由调整结构
    return {
        '名称': group_name,
        '起始measure值': measure_vals[0],
        '结束measure值': measure_vals[1],
        'A列范围': a_range
    }

# 遍历所有分组，批量应用函数
processed_results = [process_single_group(g) for g in groups]

# 把结果转成DataFrame，方便后续查看和分析
result_df = pd.DataFrame(processed_results)

如果你的measure列是混合类型（数值+字符串），怕类型转换出问题，可以提前做个处理：

# 把能转成数值的转成float，不能转的（比如name）保留为NaN，后续再单独提取
df['measure'] = pd.to_numeric(df['measure'], errors='coerce')

要是你不想提前删除分隔行，也可以直接定位有效行的索引来分组：

# 先标记出所有有效行的位置
valid_rows = (df['A'] != '--') & (df['measure'] != '--')
# 提取有效行的索引
valid_indices = df[valid_rows].index
# 把有效索引按每3个一组拆分
group_indices = np.array_split(valid_indices, len(valid_indices) // 3)
# 通过索引获取每组数据
groups = [df.loc[idx] for idx in group_indices]

这样不管原始数据里的分隔行怎么分布，都能精准拿到每3行一组的有效数据，再套用你的业务函数就好啦。

内容的提问来源于stack exchange，提问作者RJF