pandas df的同构分裂[重复]答案

【问题标题】：Homogeneous splitting of pandas df [duplicate]pandas df的同构分裂[重复]
【发布时间】：2023-03-03 07:33:22
【问题描述】：

import pandas as pd
import numpy as np

df = pd.DataFrame({'ser_no': [1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0],
                'co_nm': ['aa', 'aa', 'aa', 'bb', 'bb', 'bb', 'bb', 'cc', 'cc', 'cc', 'aaa', 'aaa', 'aaa', 'bba', 'bba', 'bba', 'bba', 'cca', 'cca', 'cca'],
                'lat': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]})

df_splits = np.array_split(df, 4)

这就是我拆分数据框的方式。我希望拆分不会分散唯一的“co_nm”值，即说所有“co_nm”==“aa”的行都应该在一个拆分中。 'co_nm' 的所有值也是如此。

这可能吗？现有的方法似乎做不到。

【问题讨论】：

我认为 OP 关闭它是一个骗子，因为社区是唯一关闭它的人。

标签： python pandas

【解决方案1】：

在co_nm 更改的行上拆分：

df_splits = np.array_split(df, df.index[df["co_nm"].ne(df["co_nm"].shift())][1:])

>>> df_splits
[   ser_no co_nm  lat
 0       1    aa    1
 1       2    aa    2
 2       3    aa    3,
    ser_no co_nm  lat
 3       4    bb    4
 4       5    bb    5
 5       6    bb    6
 6       7    bb    7,
    ser_no co_nm  lat
 7       8    cc    8
 8       9    cc    9
 9       0    cc   10,
     ser_no co_nm  lat
 10       1   aaa    1
 11       2   aaa    2
 12       3   aaa    3,
     ser_no co_nm  lat
 13       4   bba    4
 14       5   bba    5
 15       6   bba    6
 16       7   bba    7,
     ser_no co_nm  lat
 17       8   cca    8
 18       9   cca    9
 19       0   cca   10]

【讨论】：

【解决方案2】：

尝试使用DataFrame.groupby，它将按指定列的唯一值对行进行分组：

splits = [sub_df for _, sub_df in df.groupby('co_nm')]

输出：

>>> splits
[   ser_no co_nm  lat
 0       1    aa    1
 1       2    aa    2
 2       3    aa    3,
     ser_no co_nm  lat
 10       1   aaa    1
 11       2   aaa    2
 12       3   aaa    3,
    ser_no co_nm  lat
 3       4    bb    4
 4       5    bb    5
 5       6    bb    6
 6       7    bb    7,
     ser_no co_nm  lat
 13       4   bba    4
 14       5   bba    5
 15       6   bba    6
 16       7   bba    7,
    ser_no co_nm  lat
 7       8    cc    8
 8       9    cc    9
 9       0    cc   10,
     ser_no co_nm  lat
 17       8   cca    8
 18       9   cca    9
 19       0   cca   10

【讨论】：

使用[df for _, df in df.groupby('co_nm')]

【解决方案3】：

您可以在co_nm 上使用groupby：

作为dict:

d = {k: v for k,v in df.groupby('co_nm')}

作为list:

l = [v for _,v in df.groupby('co_nm')]

输出：

{'aa':    ser_no co_nm  lat
0       1    aa    1
1       2    aa    2
2       3    aa    3, 

 'aaa':     ser_no co_nm  lat
10       1   aaa    1
11       2   aaa    2
12       3   aaa    3, 

 'bb':    ser_no co_nm  lat
3       4    bb    4
4       5    bb    5
5       6    bb    6
6       7    bb    7, 

 'bba':     ser_no co_nm  lat
13       4   bba    4
14       5   bba    5
15       6   bba    6
16       7   bba    7, 

 'cc':    ser_no co_nm  lat
7       8    cc    8
8       9    cc    9
9       0    cc   10, 

 'cca':     ser_no co_nm  lat
17       8   cca    8
18       9   cca    9
19       0   cca   10}

【讨论】：