如何根据列值拆分数据框，对字符串值进行排序或分组？答案

【问题标题】：How to split a dataframe based on column values, sort or groupby for string values?如何根据列值拆分数据框，对字符串值进行排序或分组？
【发布时间】：2018-04-06 16:16:33
【问题描述】：

对编码和 pandas 完全陌生。

df

   Date         Particulars    Inwards  Code

1 2017-04-01         EFG           12800    01
2 2017-07-22         ABC           100      01
3 2017-09-05         BCD           10000    01
4 2018-03-13         ABC           2000     01

我想根据df['Particulars'] 列从这个df 输出3 个数据帧，即

输出： df1

   Date         Particulars    Inwards  Code

2 2017-07-22         ABC           100      01
4 2018-03-13         ABC           2000     01

df2

   Date         Particulars    Inwards  Code

1 2017-04-01         EFG           12800    01

df3

   Date         Particulars    Inwards  Code

3 2017-09-05         BCD           10000    01

我有办法通过：

 df1 = df1.append(df.loc[df['Particulars'] == 'ABC'], ignore_index=False)

当我初始化Particulars 列表并制作数据帧，然后使用for loop 执行上述命令时。但我想知道sort 或groupby 是否会是更好的选择？以及如何应用它们我尝试了groupby 和sort，但无法获取数据框。

【问题讨论】：

在这种情况下你可以这样做：df1 = df[df['Particulars'] == 'ABC']等等。
@pault 我试图避免将“详细信息”中的唯一项目列表作为 1000 行 df，然后在列表中设置空数据框（制作字典），然后循环遍历. :( 我希望有一种方法可以拆分基于数据框的“详细信息”列
[y for x ,y in df.groupby('Particulars')]

标签： python pandas dataframe pandas-groupby

【解决方案1】：

您可以通过在 Particulars 上对 df 进行分组来创建数据框字典。

d = {index: label for index, label in df.groupby('Particulars')}

现在您可以使用

访问每个 df

d['ABC']

    Date        Particulars Inwards Code
2   2017-07-22  ABC         100     1
4   2018-03-13  ABC         2000    1

【讨论】：

很好，我忘了这个。一个问题，不过。调用groupby 是否自动意味着它是 O(n log n)，因为它在后台通过排序创建组？我似乎记得是这样的。
@jpp，包括 LC 在内的循环复杂度为 O(n)，不确定分组是否会进一步影响它。是时候进一步了解了:)

【解决方案2】：

字典理解是构建数据的最简洁方式：

d = {k: df[df['Particulars'] == k] for k in df['Particulars'].unique()}

【讨论】：