Pandas & python：根据包含子字符串的列值将数据帧拆分为多个数据帧答案

【问题标题】：Pandas & python: split dataframe into many dataframes based on column value containing substringPandas & python：根据包含子字符串的列值将数据帧拆分为多个数据帧
【发布时间】：2018-02-14 19:19:41
【问题描述】：

我有一个可能包含数百万行的数据框，如下所示：

df:
     name value
1     bob1   abc
2     bob3   def
3     jake2  ghi
4     jake   jkl 
5     sam1   mno
6     bob5   pqr

如何根据包含某些子字符串的名称列值将其拆分为多个数据帧，例如本例中的“bob”、“jake”和“sam”？

如果发生任何变化，新的数据帧仍可以保存在一个数据结构中，例如字典。

所需的数据帧：

df1:
     name value
1     bob1   abc
2     bob3   def
3     bob5   pqr

df2:
     name value
1     jake2  ghi
2     jake   jkl 

df3:
     name value
1     sam1   mno

【问题讨论】：

您建议的拆分规则是什么？名称（减去任何整数）？
是的，准确地说，命名减号和尾随整数。不过我不知道名字提前，但它们总是字母，最后可能包含一个整数。

标签： python pandas

【解决方案1】：

这是另一种方法：

获取所有不同的值：

def matching_function(x):
    match = re.match(r"([a-z]+)([0-9]+)", x, re.I)
    if match:
        return match.group(1)

函数从字符串中删除数字，thanks for this answer 获取名称的所有可能值：

set(df.name.apply(matching_function))

循环到这些值并拆分df：

df_list= []
for x in set(df.name.apply(matching_function)):
    if x :
        df_list.append(df.loc[df.name.apply(lambda y : y.startswith( x ))])

df_list 包含拆分的数据帧

【讨论】：

【解决方案2】：

这行得通。请注意，我的字典键是名称，因为这看起来最合乎逻辑。

# get set of names
names = set(df.name.str.replace('\d+', ''))

# make dictionary
dfs = {n: df[df.name.str.replace('\d+', '') == n] for n in names}

# {'jake':     name value
# 3  jake2   ghi
# 4   jake   jkl,
#  'bob':    name value
# 1  bob1   abc
# 2  bob3   def
# 6  bob5   pqr,
#  'sam':    name value
# 5  sam1   mno}

【讨论】：

【解决方案3】：

IIUC

l=[y for _,y in df.groupby(df.name.str.replace('\d+', ''))]
Out[207]: 
l
[   name value
 1  bob1   abc
 2  bob3   def
 6  bob5   pqr,     name value
 3  jake2   ghi
 4   jake   jkl,    name value
 5  sam1   mno]

【讨论】：