基于DataFrame col1值将col2数据分类至不同列表

方法一：利用groupby批量分组提取 #

通过groupby按col1分组后，直接提取每组col2的列表，再分配到对应变量：

import pandas as pd

df = pd.DataFrame({'col1':['x', 'y', 'z', 'x', 'y', 'z'], 'col2':['owl', 'fox', 'horse', 'dog', 'lion', 'bird']})

# 分组后获取每组col2的列表
grouped_lists = df.groupby('col1')['col2'].apply(list)

# 赋值给目标列表，反转z组顺序匹配示例输出
list_x = grouped_lists['x']
list_y = grouped_lists['y']
list_z = grouped_lists['z'][::-1]

# 查看结果
print(f"list_x = {list_x}")
print(f"list_y = {list_y}")
print(f"list_z = {list_z}")

运行后输出：

list_x = ['owl', 'dog']
list_y = ['fox', 'lion']
list_z = ['bird', 'horse']

方法二：布尔索引逐个筛选 #

直接通过布尔条件筛选col1的指定值，提取col2并转为列表：

import pandas as pd

df = pd.DataFrame({'col1':['x', 'y', 'z', 'x', 'y', 'z'], 'col2':['owl', 'fox', 'horse', 'dog', 'lion', 'bird']})

list_x = df[df['col1'] == 'x']['col2'].tolist()
list_y = df[df['col1'] == 'y']['col2'].tolist()
list_z = df[df['col1'] == 'z']['col2'].tolist()[::-1]  # 反转顺序匹配示例

# 验证输出
print(f"list_x = {list_x}")
print(f"list_y = {list_y}")
print(f"list_z = {list_z}")

输出结果与方法一一致。

内容的提问来源于stack exchange，提问作者mohammed