如何使用for循环按类别筛选行实现数据集子集化？

方法一：手动指定国家+循环生成字典 #

原代码重复定义多个变量，用字典存储所有子集更整洁，也方便后续维护：

# 列出需要提取的国家（注意统一大小写，避免匹配失误）
target_countries = ["Belgium", "Norway", "Portugal"]
# 初始化空字典存子集
country_subsets = {}

for country in target_countries:
    # 统一转小写匹配，避免数据中大小写不一致的问题
    country_subsets[country] = df_sales[df_sales["Country"].str.lower() == country.lower()]

之后要调用某个国家的数据，直接用country_subsets["Belgium"]即可，不用单独记一堆变量名。

方法二：用groupby自动生成字典 #

如果想一次性处理所有国家，或者不确定具体要哪些，用groupby效率更高：

# 按Country分组后直接转成字典，键是国家名，值是对应数据框
country_subsets = dict(tuple(df_sales.groupby("Country")))

要是只需要特定几个国家，加个筛选就行：

target_countries = {"Belgium", "Norway", "Portugal"}
country_subsets = {k: v for k, v in df_sales.groupby("Country") if k in target_countries}

注意：原代码里"portugal"是小写，建议统一数据中的Country列大小写（比如df_sales["Country"] = df_sales["Country"].str.title()），避免出现匹配不到的情况。

内容的提问来源于stack exchange，提问作者David Gomez Bohorquez