根据唯一列值将数据框拆分为更小的数据框答案

【问题标题】：Splitting data frame into smaller data frames based on unique column values根据唯一列值将数据框拆分为更小的数据框
【发布时间】：2021-11-30 22:48:24
【问题描述】：

这是我的数据框：

    Quantity     Code         Value       
0       1757     08951201     717.0
1       1100     08A85800       0.0
2       2500     08A85800       0.0
3        323     08951201       0.0
4        800     08A85800       0.0

我如何将其拆分为基于代码列创建的较小数据框。（例如，这个应该分成带有所有 08951201 代码的 df1 和带有 08A85800 的 df2）

编辑：在我将执行一些值计算之后，我很想有一种方法将它们以相同的顺序合并回原始数据帧。

【问题讨论】：

你为什么要合并回来？你可以保存原来的...
您应该阅读split-apply-combine 文档；）

标签： python pandas dataframe

【解决方案1】：

按照建议，您可以在数据框上使用 groupby() 以按一列名称值分隔：

import pandas as pd

cols = ['Quantity', 'Code', 'Value']
data = [[1757,     '08951201',     717.0],
 [1100,     '08A85800',       0.0],
 [2500,     '08A85800',       0.0],
 [323,    '08951201',      0.0],
 [800,    '08A85800',       0.0]]

df = pd.DataFrame(data, columns=cols)

groups =df.groupby(['Code'])

然后您可以通过groups.indices 恢复索引，这将返回一个以“代码”值作为键、索引作为值的字典。最后，如果您想获取每个子数据帧，您可以调用group_list = list(groups)。我建议分两步完成工作（首先分组，然后调用列表），因为这样你可以通过 groupDataframe 调用其他方法 (group)

编辑

如果你想要一个特定的数据框，你可以调用

 df_i = group_list[i][1]

group_list[i] 是子数据帧的第 i 个元素，但它是一个包含 (group_val,group_df) 的元组。其中group_val 是与此新数据帧关联的值（'08951201' 或 '08A85800'），group_df 是新数据帧。

【讨论】：

恐怕我不太明白。我需要单独的数据框，但它的输出是一个列表（？）
group_list = list(groups) 是一个列表，然后您可以调用 group_list[0] 这是第一个子数据框，group_list[1] 是第二个子数据框，因此（在您的示例中，您将只有 2 个，但是，如果您有更多代码，那么您将拥有更多）
print(type(group_list[1])) 给我<class 'tuple'>
对不起，你必须打电话给group_list[0][1]（第一个索引是组号，第二个是元组中DF的顺序）。元组中的第一个元素是关联的代码值，第二个是数据帧
对不起，我不得不下线。无论如何，非常感谢您的宝贵时间。这正是我所需要的，10/10 答案。

【解决方案2】：

使用groupby 并应用您的自定义函数来处理您的子数据框：

groups = df.groupby('Code')
print(list(groups))

# Output:
[('08951201',    Quantity      Code  Value
0      1757  08951201  717.0
3       323  08951201    0.0),

('08A85800',    Quantity      Code  Value
1      1100  08A85800    0.0
2      2500  08A85800    0.0
4       800  08A85800    0.0)]

现在假设你想通过Valuesum：

>>> df.groupby('Code')['Value'].sum()
Code
08951201    717.0
08A85800      0.0
Name: Value, dtype: float64

【讨论】：