如何在Pandas中按指定字符串值拆分DataFrame？

问题场景 #

给定如下DataFrame，需要在txn_details列出现opening_balance时拆分，将每个opening_balance及其后续（直到下一个opening_balance前）的行拆分为独立的DataFrame：

txn_details    amt
0  opening_balance 13000
1  opening_balance 15000
2         upi2873 12879
3       upi182y31 12301
4  opening_balance 85050
5     upi79279831  8400

期望得到3个独立的DataFrame，每个以opening_balance起始。

解决方案 #

核心思路是用cumsum()生成分组标识，再通过groupby拆分。具体代码如下：

import pandas as pd

# 构建示例DataFrame
data = {
    'txn_details': ['opening_balance', 'opening_balance', 'upi2873', 'upi182y31', 'opening_balance', 'upi79279831'],
    'amt': [13000, 15000, 12879, 12301, 85050, 8400]
}
df = pd.DataFrame(data)

# 生成分组ID：每次遇到opening_balance，分组ID递增
df['group_id'] = (df['txn_details'] == 'opening_balance').cumsum()

# 按分组ID拆分，移除临时的group_id列
split_dfs = [group.drop('group_id', axis=1) for _, group in df.groupby('group_id')]

# 赋值给指定变量
df_1 = split_dfs[0]
df_2 = split_dfs[1]
df_3 = split_dfs[2]

验证输出 #

• df_1输出：

txn_details    amt
0  opening_balance 13000

• df_2输出：

txn_details    amt
1  opening_balance 15000
2         upi2873 12879
3       upi182y31 12301

• df_3输出：

txn_details    amt
4  opening_balance 85050
5     upi79279831  8400

说明 #

如果之前使用cumsum()未得到预期结果，大概率是没正确将条件判断的布尔值转为累加的分组ID。这里(df['txn_details'] == 'opening_balance').cumsum()会为每个连续的分组生成唯一ID，确保每个opening_balance开头的区块被正确拆分。

内容的提问来源于stack exchange，提问作者Vaishnav