请求：基于作者拆分现有数据集的Python实现方案

我有如下格式的数据集：

text          author        title 
     -------------------------------------

dt =   text0         author0       title0
       text1         author1       title1
         .             .              .
         .             .              .
         .             .              .  

我希望创建多个独立数据集，每个数据集仅包含单一作者的文本。例如dt1包含author1的文本，dt2包含author2的文本等。恳请提供Python实现方案。

更新：
实际数据集示例如下：

dt = 
            text                                     author        title
-------------------------------------------------------------------------
0   I would like to go to the beach                   George       Beach
1   I was in park few days ago                        Nick         Park
2   I would like to go in uni                         Peter        University
3   I have be in the airport at 8                     Maria        Airport

解决方案 #

假设你的数据集是用pandas的DataFrame存储的，以下是实现代码：

1. 加载数据（示例） #

如果还未加载数据，可参考以下方式构建或读取DataFrame：

import pandas as pd

# 示例数据（实际可替换为读取本地文件，如pd.read_csv()）
dt = pd.DataFrame({
    'text': ['我想去海滩', '几天前我在公园', '我想去大学', '我8点在机场'],
    'author': ['George', 'Nick', 'Peter', 'Maria'],
    'title': ['Beach', 'Park', 'University', 'Airport']
})

2. 按作者拆分数据集 #

方式一：用字典统一管理（推荐）

这种方式避免创建大量零散变量，便于后续操作：

# 初始化字典存储每个作者的数据集
author_datasets = {}

# 按author列分组，遍历每个分组
for author_name, group in dt.groupby('author'):
    # 重置子数据集的索引并存入字典
    author_datasets[author_name] = group.reset_index(drop=True)

# 示例：获取George的数据集
print(author_datasets['George'])

方式二：动态创建独立变量

如果需要直接以dt_作者名的形式调用每个数据集，可使用globals()实现：

# 遍历分组，动态生成变量
for author_name, group in dt.groupby('author'):
    var_name = f'dt_{author_name}'
    globals()[var_name] = group.reset_index(drop=True)

# 直接调用生成的变量
print(dt_George)
print(dt_Nick)

关键说明 #

• groupby('author')会将原数据集按作者名分组，每个分组对应单一作者的所有数据；
• reset_index(drop=True)用于重置子数据集的索引，避免保留原数据集的索引序号；
• 若你的原始数据不是DataFrame格式，可先通过pd.DataFrame()转换后再执行上述操作。

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