Pandas 基于整数索引的数据帧分割

在pandas中，如何将序列/数据帧拆分为两个序列/数据帧，其中一个序列中的奇数行，不同序列中的偶数行？现在我正在使用

rng = range(0, n, 2)
odd_rows = df.iloc[rng]

这相当慢。

使用切片：

In [11]: s = pd.Series([1,2,3,4])

In [12]: s.iloc[::2]  # even
Out[12]:
0    1
2    3
dtype: int64

In [13]: s.iloc[1::2]  # odd
Out[13]:
1    2
3    4
dtype: int64

---

这里有一些比较

In [100]: df = DataFrame(randn(100000,10))

简单的方法（但我认为range会使速度变慢），但不管索引如何，它都会起作用 （例如，不必是数字索引）

下面需要一个基于范围的

Int64Index

（很容易获得，只需

reset\u index（）

）

确保为其提供索引位置

In [98]: %timeit df.take(df.index % 2)
100 loops, best of 3: 3.06 ms per loop

与上面相同，但在负数标记上没有转换

In [99]: %timeit df.take(df.index % 2,convert=False)
100 loops, best of 3: 2.44 ms per loop

这个获胜者是@AndyHayden soln；这仅适用于单个数据类型

In [118]: %timeit DataFrame(df.values[::2],index=df.index[::2])
10000 loops, best of 3: 63.5 us per loop

---

超晚但解释：切片语法。开始（不做任何事情）：停止（不做任何事情）：步骤计数（2）。所以对于偶数，从0开始，到结束，递增2。对于赔率，从1开始，到结束，增加2。

In [99]: %timeit df.take(df.index % 2,convert=False)
100 loops, best of 3: 2.44 ms per loop

In [118]: %timeit DataFrame(df.values[::2],index=df.index[::2])
10000 loops, best of 3: 63.5 us per loop