如何使用GroupBy函数按字符串值拆分单元格并生成分组DataFrame？

方法一：使用字符串精确匹配（推荐） #

直接检查每行的Conditions列是否包含目标条件，通过正则表达式的单词边界避免子串误匹配：

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame({
    "Conditions": ["x y z", "y z", "z", "x"],
    "ID": ["as", "ad", "aw", "am"]
})

# 提取所有唯一的条件值
all_conditions = set()
for cond_str in df["Conditions"]:
    all_conditions.update(cond_str.split())

# 为每个条件生成对应DataFrame
grouped_dfs = {}
for cond in all_conditions:
    # 用单词边界正则确保精确匹配（比如不会把"xy"识别为包含"x"）
    grouped_dfs[cond] = df[df["Conditions"].str.contains(rf"\b{cond}\b")]

# 输出结果
print("Dataframe 1（按x分组）")
print(grouped_dfs["x"])
print("\nDataframe 2（按y分组）")
print(grouped_dfs["y"])
print("\nDataframe 3（按z分组）")
print(grouped_dfs["z"])

运行输出：

Dataframe 1（按x分组）
  Conditions  ID
0     x y z  as
3       x  am

Dataframe 2（按y分组）
  Conditions  ID
0     x y z  as
1      y z  ad

Dataframe 3（按z分组）
  Conditions  ID
0     x y z  as
1      y z  ad
2       z  aw

方法二：通过explode展开分组 #

先将Conditions拆分为列表并展开为多行，再按条件分组去重：

import pandas as pd

df = pd.DataFrame({
    "Conditions": ["x y z", "y z", "z", "x"],
    "ID": ["as", "ad", "aw", "am"]
})

# 拆分条件为列表并展开成多行
df["split_cond"] = df["Conditions"].str.split()
exploded_df = df.explode("split_cond")

# 按展开后的条件分组，去重后得到目标DataFrame
grouped_dfs = {}
for cond, group in exploded_df.groupby("split_cond"):
    grouped_dfs[cond] = group.drop_duplicates(subset=["ID"]).drop(columns=["split_cond"])

两种方法均可实现需求，方法一更简洁高效，方法二更直观，适合复杂拆分场景。

内容的提问来源于stack exchange，提问作者Jeff D