如何基于ID将Pandas原始DataFrame拆分为两个子DataFrame？

方法一：布尔索引直接匹配 #

适合id数量较少的场景，通过逻辑或运算符组合条件：

import pandas as pd

# 构造示例DataFrame（替换为你的实际数据即可）
data = {
    'id': [1,2,3,4,5],
    'cycle': [10,20,30,40,50],
    'Salary': [5000,6000,7000,8000,9000],
    'Children': [0,1,2,1,0],
    'Days': [22,21,23,20,22]
}
df = pd.DataFrame(data)

# 拆分出id为1、2、3的df1
df1 = df[(df['id'] == 1) | (df['id'] == 2) | (df['id'] == 3)]
# 拆分出id为4、5的df2
df2 = df[(df['id'] == 4) | (df['id'] == 5)]

方法二：使用isin()方法（更简洁） #

当需要匹配的id数量较多时，用列表配合isin()更易维护：

# 定义目标id列表
target_ids_df1 = [1,2,3]
target_ids_df2 = [4,5]

# 拆分数据
df1 = df[df['id'].isin(target_ids_df1)]
df2 = df[df['id'].isin(target_ids_df2)]

可选：重置子DataFrame的索引 #

拆分后的子DataFrame会保留原数据的索引，若需要重置为连续索引，可执行：

df1 = df1.reset_index(drop=True)
df2 = df2.reset_index(drop=True)

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