如何基于DataFrame某列唯一值迭代拆分出独立子数据集？

优先采用for循环的内存友好方案 #

因为你希望避免子DataFrame长期驻留内存，直接在循环中处理每个月份的数据是最优选择，步骤如下：

1. 获取所有唯一月份值
   先提取DataFrame中所有不重复的月份：

   unique_months = df['month'].unique()
   

2. 循环处理每个月份的子DataFrame
   遍历每个月份，筛选出对应数据后直接执行分析或保存操作，处理完后该子DataFrame会被自动回收，不会占用额外内存：

   for month in unique_months:
       # 筛选当前月份的数据
       monthly_sub_df = df[df['month'] == month]
       
       # 在这里执行你的后续操作，比如：
       # 1. 保存为文件
       monthly_sub_df.to_csv(f"{month.replace('-', '_')}_data.csv", index=False)
       
       # 2. 进行统计分析
       monthly_avg = monthly_sub_df['value'].mean()
       print(f"月份 {month} 的value均值：{monthly_avg:.2f}")
       
       # 其他自定义分析逻辑...
   

可选：临时存储子DataFrame（不推荐大数据集） #

如果需要临时访问各月份的子DataFrame，可以用字典存储，但这种方式会将所有子DataFrame驻留内存，仅适合小数据集：

monthly_dfs = {}
for month in unique_months:
    monthly_dfs[month] = df[df['month'] == month]

# 示例：访问10-22月份的数据
# print(monthly_dfs['10-22'])

内容的提问来源于stack exchange，提问作者vicefreak04