如何通过循环按列表元素筛选Pandas DataFrame数据？

我有如下DataFrame：

import pandas as pd  # 修正原代码语法错误

创建示例DataFrame #

df = pd.DataFrame({
    'material_sub_category_id': [8038, 10063, 8038, 9539],
    'auction_id': [400, 401, 402, 403],
    'material_name': ['pig iron', 'sponge iron', 'pig iron' , 'billet'],
    'auc_rule': ['yankee', 'english no tie', 'yankee', 'english no tie'],
    'h1_price': [27200, 24678, 27800, 34000]
})

我已生成子分类ID的唯一值列表：

subcat_list = df['material_sub_category_id'].unique().tolist()
# 输出结果为 [8038, 10063, 9539]（注：原示例列表中的9627在DataFrame中不存在，推测为笔误）

我已经手动完成单个子分类的筛选，结果如下：

df_8038
material_sub_category_id | auction_id | material_name | auc_rule | h1_price
8038 400 'pig iron' 'yankee' 27200
8038 402 'pig iron' 'yankee' 27800

现在希望通过循环，为每个material_sub_category_id筛选出对应的DataFrame数据。

方法1：用字典存储（推荐） #

用字典存放各子分类的DataFrame，既方便管理，又不会污染全局命名空间：

subcat_dfs = {}
for subcat_id in subcat_list:
    subcat_dfs[f'df_{subcat_id}'] = df[df['material_sub_category_id'] == subcat_id]

# 调用示例：获取ID为8038的DataFrame
print(subcat_dfs['df_8038'])

方法2：动态创建全局变量（不推荐） #

如果一定要生成df_8038这类独立变量，可通过globals()实现，但该方式不利于代码维护：

for subcat_id in subcat_list:
    globals()[f'df_{subcat_id}'] = df[df['material_sub_category_id'] == subcat_id]

# 直接调用变量即可
print(df_8038)

补充：更简洁的分组方式 #

无需手动生成subcat_list，直接用groupby批量处理：

# 按子分类ID分组
grouped = df.groupby('material_sub_category_id')

# 遍历分组并存储到字典
subcat_dfs = {}
for subcat_id, group_df in grouped:
    subcat_dfs[f'df_{subcat_id}'] = group_df

内容的提问来源于stack exchange，提问作者Ami