如何基于DataFrame中的唯一ID值批量创建对应子DataFrame？

需求 #

将包含多个ID值的Pandas DataFrame，按每个唯一ID生成对应新DataFrame，新DataFrame名称为「ID值_df」，并筛选出对应ID的所有记录。

示例数据 #

ID      Date      Score  DateTime
0  1000    1/1/2022  38     2022-01-01 12:09:00
1  5000    1/1/2022  78     2022-01-01 10:07:00
2  1000    1/1/2022  92     2022-01-01 02:07:00
3  3000    1/1/2022  73     2022-01-01 02:02:00
4  3000    1/1/2022  98     2022-01-01 11:12:00

尝试的伪代码 #

unique_id = df['ID'].unique()

for x in unique_id:
    unique_df = x + "_df"
    
    i = 0
    while i < len(unique_df):
        unique_df = df.unique_df[i]
        i = i + 1

预期结果 #

print(1000_df)

   ID      Date      Score  DateTime
0  1000    1/1/2022  38     2022-01-01 12:09:00
2  1000    1/1/2022  92     2022-01-01 02:07:00

print(3000_df)

   ID      Date      Score  DateTime
3  3000    1/1/2022  73     2022-01-01 02:02:00
4  3000    1/1/2022  98     2022-01-01 11:12:00

...

正确实现方式 #

方法1：生成全局变量（直接得到类似1000_df的变量） #

通过globals()函数动态创建全局变量，直接生成需求中的命名格式：

import pandas as pd

# 构造示例DataFrame（实际使用时替换为你的原始df）
data = {
    'ID': [1000, 5000, 1000, 3000, 3000],
    'Date': ['1/1/2022']*5,
    'Score': [38,78,92,73,98],
    'DateTime': ['2022-01-01 12:09:00', '2022-01-01 10:07:00', '2022-01-01 02:07:00', '2022-01-01 02:02:00', '2022-01-01 11:12:00']
}
df = pd.DataFrame(data)

# 获取所有唯一ID
unique_ids = df['ID'].unique()

# 循环创建子DataFrame
for id_val in unique_ids:
    df_name = f"{id_val}_df"
    # 筛选对应ID的数据并赋值给全局变量
    globals()[df_name] = df[df['ID'] == id_val]

执行后可直接调用1000_df、3000_df等变量查看对应数据。

方法2：用字典存储（更规范，避免全局变量混乱） #

如果不希望生成大量零散全局变量，推荐用字典统一存储所有子DataFrame：

id_dfs = {}
for id_val in unique_ids:
    id_dfs[f"{id_val}_df"] = df[df['ID'] == id_val]

# 调用方式：通过字典键访问
print(id_dfs['1000_df'])

内容的提问来源于stack exchange，提问作者JDCO970