如何通过按列中的值切片来创建多个数据框，如列表？答案

【问题标题】：How to create multiple dataframes like a list by slicing by value in a column?如何通过按列中的值切片来创建多个数据框，如列表？
【发布时间】：2023-03-25 00:38:02
【问题描述】：

我需要从一个数据帧创建多个数据帧；要求是按已知值对数据帧进行切片并将其切片。到目前为止，我还没有找到类似的东西。

下面的玩具代码从我的数据记录器构建了一个 Pandas 数据框：

import pandas as pd

my_key = 0.0

df = pd.DataFrame({'A': [1.0,   2.0,  3.0, my_key, my_key, my_key,  5.0,  6.0,  7.0, my_key, my_key, my_key, 10.0, 11.0, 12.0], 
                   'B': [21.0, 22.0, 23.0,   23.1,   23.2,   23.3, 25.0, 26.0, 27.0,   27.1,   27.2,   27.3, 30.0, 31.0, 32.0]})

代码生成这个数据：

       A     B
0    1.0  21.0
1    2.0  22.0
2    3.0  23.0
3    0.0  23.1
4    0.0  23.2
5    0.0  23.3
6    5.0  25.0
7    6.0  26.0
8    7.0  27.0
9    0.0  27.1
10   0.0  27.2
11   0.0  27.3
12  10.0  30.0
13  11.0  31.0
14  12.0  32.0

目标是，使用“my_key”的值对 df 进行切片并生成 df1、df2 df3，如下面的预期输出。注意：这个玩具代码中的 my_var 有三个条目，在我的例子中，它可能包含三个不同的长度，df1、df2 和 df3 中的任何一个也可能包含不同的值。

df1:

  A     B
1.0  21.0
2.0  22.0
3.0  23.0

df2:

  A     B
5.0  25.0
6.0  26.0
7.0  27.0

和df3：

【问题讨论】：

标签： python pandas list slice

【解决方案1】：

你可以这样做：

eq_key = df['A'].eq(my_key)
groups = (eq_key != eq_key.shift(1)).cumsum()

res = [group for _, group in df[~eq_key].groupby(groups[~eq_key])]

for g in res:
    print(g)

输出

     A     B
0  1.0  21.0
1  2.0  22.0
2  3.0  23.0
     A     B
6  5.0  25.0
7  6.0  26.0
8  7.0  27.0
       A     B
12  10.0  30.0
13  11.0  31.0
14  12.0  32.0

【讨论】：