如何将多列DataFrame拆分为以指定日期为索引的单个衍生DataFrame？

步骤说明 #

1. 预处理原始数据的月份列，去除空格得到规范列名（如Jan23）
2. 转置原始DataFrame，将原指标列（A/B/C等）转为行，处理后的月份作为列
3. 设置统一索引20230808
4. 遍历转置后的行，生成对应每个指标的单独DataFrame（推荐用字典存储，方便批量管理大量列）

代码实现 #

import pandas as pd

# 构造原始DataFrame（实际场景可替换为你的数据读取逻辑，如pd.read_csv）
df = pd.DataFrame({
    'Month': ['Jan 23', 'Feb 23'],
    'A': [5, 8],
    'B': [7, 10],
    'C': [3, 8]
})

# 处理月份列，去除空格
df['Month'] = df['Month'].str.replace(' ', '')

# 转置数据并设置统一索引
transposed_df = df.set_index('Month').T
transposed_df.index = [20230808]

# 生成每个指标对应的单独DataFrame，存储在字典中（批量处理大量列更高效）
dfs_dict = {}
for col_name in transposed_df.columns:
    dfs_dict[f'Df{col_name}'] = transposed_df[[col_name]]

# 提取单个DataFrame示例
DfA = dfs_dict['DfA']
DfB = dfs_dict['DfB']
DfC = dfs_dict['DfC']

# 验证结果
print("DfA:\n", DfA)
print("\nDfB:\n", DfB)
print("\nDfC:\n", DfC)

输出结果 #

DfA:
            Jan23  Feb23
20230808      5      8

DfB:
            Jan23  Feb23
20230808      7     10

DfC:
            Jan23  Feb23
20230808      3      8

注意事项 #

如果原始DataFrame列数很多，用字典dfs_dict存储所有衍生DataFrame会比单独创建变量更便于管理，避免变量名冲突和混乱。

内容的提问来源于stack exchange，提问作者Nuctrip