按子列将数据框拆分为多个数据框答案

【问题标题】：Split Dataframe to multiple Dataframes by sub columns按子列将数据框拆分为多个数据框
【发布时间】：2021-04-28 23:30:29
【问题描述】：

我找不到一个优雅的方法来拆分这个表：

Open              Close                High 
 stock1 stock2     stock1 stock2        stock1 stock2
  ..     ..         ..      ..           ..     ..

股票是子列，每个股票分成多个表，所以第一个表是

df_stock1

   Open Close High

所以每个股票的表格/数据框（可能是 > 2）然后返回这些 dataframes 的数组。

【问题讨论】：

标签： python pandas

【解决方案1】：

你可以做这样的事情。这是一个虚构的数据框：

import pandas as pd
import numpy as np
np.random.seed(123)
df = pd.DataFrame(np.random.randint(1, 10, (6, 6)),
                  columns=pd.MultiIndex.from_product([['Open', 'Close', 'High'],
                                                      ['Stock1', 'Stock2']]))

哪个打印：

Open         Close          High       
  Stock1 Stock2 Stock1 Stock2 Stock1 Stock2
0      3      3      7      2      4      7
1      2      1      2      1      1      4
2      5      1      1      5      2      8
3      4      3      5      8      3      5
4      9      1      8      4      5      7
5      2      6      7      3      2      9

然后要拆分您的多索引 df，请使用 groupby 和 DataFrame.xs 执行以下操作：

Split = {idx: df_sub.xs(idx, level=1, axis=1) for idx,df_sub in df.groupby(level=1, axis=1)}
print(Split['Stock1'])

其中df_sub 指的是多索引df 的第一级。这给出了：

 Open  Close  High
0     3      7     4
1     2      2     1
2     5      1     2
3     4      5     3
4     9      8     5
5     2      7     2

和

Split2 = {idx: df_sub.xs(idx, level=1, axis=1) for idx,df_sub in df.groupby(level=1, axis=1)}
print(Split2['Stock2'])

打印：

 Open  Close  High
0     3      2     7
1     1      1     4
2     1      5     8
3     3      8     5
4     1      4     7
5     6      3     9

编辑其他级别

同样，如果你想要所有的 Open 股票，你可以这样做：

Split_open = {idx: df_sub.xs(idx, level=0, axis=1) for idx,df_sub in df.groupby(level=0, axis=1)}
print(Split_open['Open'])

   Stock1  Stock2
0       3       3
1       2       1
2       5       1
3       4       3
4       9       1
5       2       6

【讨论】：

如果这是您正在寻找的答案，请将其标记为已接受的答案，以便它从未回答的问题列表中消失。干杯！
没问题。这是一个非常好的问题，而且表述得很好！继续努力！
谢谢。我在哪里可以阅读更多关于你所做的事情？你用的函数叫什么名字？
嗯，实际上我找不到任何关于你所做的事情的参考，我能读到的只有 xs，但不知道 gp 是什么，以及那里发生了什么，如果你可以添加的话。
我看到了你所经历的困惑（我在 group by 之后提到了 gp ....这并不是真正的教学。很抱歉。我将 gp 更改为 df_sub 并添加了解释。没有名为 gp 的程序，我明白你为什么感到困惑。我的错！