如何将单个Pandas DataFrame按veh值拆分为多个DataFrame列表？

核心问题原因 #

你之前的代码报错是因为range(1,100)包含了DataFrame中不存在的veh值，调用get_group时找不到对应分组，触发KeyError。解决的关键是只遍历实际存在的分组键，而非假设连续范围。

方案1：遍历GroupBy的有效分组键（推荐） #

直接基于groupby后的分组键生成列表，自动跳过不存在的veh值，无需手动判断：

import pandas as pd

# 示例数据（模拟ped=1，veh非连续的情况）
data = {'ped': [1]*10, 'veh': [1,1,2,2,3,3,5,5,6,6], 'value': range(10)}
df = pd.DataFrame(data)

# 按ped和veh分组
grouped = df.groupby(['ped', 'veh'])

# 生成对应每个存在分组的DataFrame列表
df_list = [grouped.get_group(key) for key in grouped.groups.keys()]

# 验证结果（可选）
for idx, sub_df in enumerate(df_list):
    print(f"第{idx+1}个分组（ped={sub_df['ped'].iloc[0]}, veh={sub_df['veh'].iloc[0]}）:")
    print(sub_df)

方案2：筛选存在的veh值后循环 #

如果需要限定处理特定范围的veh值（比如1-100），先筛选出DataFrame中实际存在的目标值，再循环生成子DataFrame：

# 定义目标veh范围
target_vehs = range(1, 100)
# 获取df中存在的、且在目标范围内的veh值
existing_vehs = set(df['veh']).intersection(target_vehs)

# 生成子DataFrame列表（假设ped固定为1）
df_list = []
for veh in existing_vehs:
    sub_df = df[(df['ped'] == 1) & (df['veh'] == veh)]
    df_list.append(sub_df)

方案3：用GroupBy的apply快速生成列表 #

更简洁的写法，直接将每个分组转为列表元素：

grouped = df.groupby(['ped', 'veh'])
df_list = grouped.apply(lambda x: x.copy()).tolist()

注：使用x.copy()是避免子DataFrame和原DataFrame共享内存，根据需求选择是否添加。

内容的提问来源于stack exchange，提问作者jayjay