groupby也可以使用
axis=1，并且可以接受一系列的组标签。如果您的列在您的示例中那样是方便的范围，那么这很简单：
>>> df = pd.Dataframe((np.random.randn(6*6)).reshape(6,6))>>> df 0 1 2 3 4 50 1.705550 -0.757193 -0.636333 2.097570 -1.064751 0.4508121 0.575623 -0.385987 0.105516 0.820795 -0.464069 0.7286092 0.776840 -0.173348 0.878534 0.995937 0.094515 0.0988533 0.326854 1.297625 2.232534 1.004719 -0.440271 1.5484304 0.483211 -1.182175 -0.012520 -1.766317 -0.895284 -0.6953005 0.523011 -1.653557 1.022042 1.201774 -1.118465 1.400537>>> df.groupby(df.columns//2, axis=1).mean() 0 1 20 0.474179 0.730618 -0.3069701 0.094818 0.463155 0.1322702 0.301746 0.937235 0.0966843 0.812239 1.618627 0.5540804 -0.349482 -0.889419 -0.7952925 -0.565273 1.111908 0.141036
（这是因为
df.columns//2给出了
Int64Index([0, 0, 1, 1, 2, 2], dtype='int64')。）
即使我们不是很幸运，我们仍然可以自己建立适当的小组：
>>> df.groupby(np.arange(df.columns.size)//2, axis=1).mean() 0 1 20 0.474179 0.730618 -0.3069701 0.094818 0.463155 0.1322702 0.301746 0.937235 0.0966843 0.812239 1.618627 0.5540804 -0.349482 -0.889419 -0.7952925 -0.565273 1.111908 0.141036
