如何拆分Pandas DataFrame，使每组连续数字序列独立成DataFrame？

针对你的大型DataFrame拆分需求，完全不需要逐行循环，用Pandas的向量化操作就能高效解决，核心思路是通过生成分组键来标记每个连续序列：

1. 生成分组标识：利用ConsecutiveNumbers == 1的布尔结果累加，每次遇到1时分组号就会递增，这样每个连续序列会被分配到同一个分组里：

import pandas as pd

# 假设你的DataFrame名为df
df['group_id'] = (df['ConsecutiveNumbers'] == 1).cumsum()

2. 按分组拆分：用groupby按生成的group_id分组，直接提取每个分组对应的子DataFrame到列表中：

# 拆分并移除临时的group_id列
df_list = [group.drop('group_id', axis=1) for _, group in df.groupby('group_id')]

示例验证 #

比如构造一个测试DataFrame：

data = {
    'ConsecutiveNumbers': [1,2,3,1,2,1,2,3,4],
    'OtherData': ['a','b','c','d','e','f','g','h','i']
}
df = pd.DataFrame(data)

运行上述代码后，df_list会包含3个子DataFrame，分别对应三个连续序列：

• 第一个子DataFrame：ConsecutiveNumbers为1、2、3
• 第二个子DataFrame：ConsecutiveNumbers为1、2
• 第三个子DataFrame：ConsecutiveNumbers为1、2、3、4

这种方法依赖Pandas内部优化的向量化运算，比逐行循环效率高几个数量级，完全适配大型DataFrame的处理场景。

内容的提问来源于stack exchange，提问作者kfrohwer