如何按值块拆分Pandas DataFrame为两种层级子块？

我们可以用Pandas的分组功能高效实现这两种拆分需求，以下是具体步骤：

1. 拆分从A到下一个A的子块 #

先给每个A起始的区块生成唯一标识，再按标识分组即可：

import pandas as pd

# 构建示例DataFrame（替换为你的真实数据）
data = {
    'Type': ['A', 'B', 'C', 'C', 'C', 'B', 'C', 'C', 'C', 'A', 'B', 'C', 'C', 'B', 'C', 'A'],
    'col2': range(16),
    'col3': range(16, 32)
}
df = pd.DataFrame(data)

# 生成A分组的标识：每遇到一个A，分组ID加1
df['A_group_id'] = df['Type'].eq('A').cumsum()

# 按A分组ID拆分，得到所有A对应的子块列表
a_subblocks = [group for _, group in df.groupby('A_group_id')]

# 示例：查看第一个A子块
print(a_subblocks[0])

原理：df['Type'].eq('A')生成布尔序列（A对应True，其余为False），cumsum()将True视为1累加，这样每个A起始的区块会被分配唯一的ID，通过groupby即可拆分出包含对应B和C的完整A子块。

2. 在每个A子块内拆分B对应的子块 #

在已有的A分组基础上，给每个A子块内的B生成专属标识，再双重分组即可：

# 在每个A分组内，生成B分组的标识
df['B_group_id'] = df.groupby('A_group_id')['Type'].eq('B').cumsum()

# 按A分组ID+B分组ID拆分，得到所有B对应的子块（包含下属C）
b_subblocks = [group for _, group in df.groupby(['A_group_id', 'B_group_id'])]

# 示例：查看第一个A子块内的第一个B子块
print(b_subblocks[0])

原理：先按A分组ID拆分，在每个A子块内对Type == 'B'的行做累加，给每个B起始的区块分配唯一ID，最后通过双重分组就能精准拆分出每个B及其下属C的子块。

这种方法基于Pandas矢量化操作，处理大型DataFrame时效率远高于循环遍历。

内容的提问来源于stack exchange，提问作者HarryMuesli