如何基于Python Pandas中某列的值创建新DataFrame？

原代码的问题 #

• Python不支持df{i}这种动态命名变量的写法，会直接触发语法错误。
• df_list.append()里没传要添加的对象，运行会报错。
• 代码只创建了空的DataFrame，没根据每个query id筛选原数据填充内容。

推荐实现：用字典存储（方便通过query id查找） #

把每个query id作为字典的键，对应筛选后的DataFrame作为值，后续想调用哪个query id的数据直接按键取值就行：

import pandas as pd

# 假设原始数据集是df
query_data_dict = {}

# 遍历每个唯一的query id
for qid in df['query id'].unique():
    # 筛选当前query id的所有行，用copy避免和原数据绑定
    query_data_dict[qid] = df[df['query id'] == qid].copy()

# 示例：获取WT04-170对应的数据集
print(query_data_dict['WT04-170'])

另一种方式：用列表存储 #

如果不需要关联query id，只是单纯把拆分后的DataFrame存成列表：

df_list = []

for qid in df['query id'].unique():
    df_list.append(df[df['query id'] == qid].copy())

# 示例：获取第一个拆分后的数据集
print(df_list[0])

更简洁的groupby写法 #

如果想更高效简洁，可以用pandas的groupby方法：

# 按query id分组
query_groups = df.groupby('query id')

# 转成字典
query_data_dict = {name: group.copy() for name, group in query_groups}

# 转成列表
df_list = [group.copy() for _, group in query_groups]

内容的提问来源于stack exchange，提问作者mariant