如何将Dataframe的每3行合并为1行(3列)

在处理数据时，有时需要将 DataFrame 的每三行合并为一行，并将其转换为三列。可以使用 Pandas 库来实现这一点。以下是一个示例，演示如何将 DataFrame 的每三行合并为一行，并将其转换为三列。

示例代码

假设你有一个 DataFrame，如下所示：

import pandas as pd

# 创建示例 DataFrame
data = {
    'A': [1, 2, 3, 4, 5, 6, 7, 8, 9]
}
df = pd.DataFrame(data)
print("Original DataFrame:")
print(df)

输出：

Original DataFrame:
   A
0  1
1  2
2  3
3  4
4  5
5  6
6  7
7  8
8  9

将每三行合并为一行，并转换为三列

你可以使用 reshape 方法来实现这一点。首先，将 DataFrame 转换为 NumPy 数组，然后进行重塑，最后转换回 DataFrame。

import numpy as np

# 将 DataFrame 转换为 NumPy 数组
array = df.values

# 确保行数是3的倍数，如果不是，可以填充NaN或其他值
if len(array) % 3 != 0:
    padding = 3 - len(array) % 3
    array = np.append(array, [np.nan] * padding).reshape(-1, 1)

# 重塑数组
reshaped_array = array.reshape(-1, 3)

# 转换回 DataFrame
df_reshaped = pd.DataFrame(reshaped_array, columns=['A', 'B', 'C'])
print("\nReshaped DataFrame:")
print(df_reshaped)

输出：

Reshaped DataFrame:
     A    B    C
0  1.0  2.0  3.0
1  4.0  5.0  6.0
2  7.0  8.0  9.0

代码解释

将 DataFrame 转换为 NumPy 数组： array = df.values
填充数组（如果行数不是3的倍数）： if len(array) % 3 != 0: padding = 3 - len(array) % 3 array = np.append(array, [np.nan] * padding).reshape(-1, 1)
重塑数组： reshaped_array = array.reshape(-1, 3)
转换回 DataFrame： df_reshaped = pd.DataFrame(reshaped_array, columns=['A', 'B', 'C'])

通过上述步骤，你可以将 DataFrame 的每三行合并为一行，并将其转换为三列。这样可以方便地处理和分析数据。