Pandas新手求助：按全0行拆分DataFrame（需for循环实现）

步骤说明 #

1. 识别所有整行值均为0的行
2. 生成拆分的边界索引
3. 通过for循环遍历边界，提取非空的子DataFrame

完整代码示例 #

import pandas as pd

# ----------------------
# 1. 构造模拟数据（替换成你的真实DataFrame）
# ----------------------
data = {
    'A': [1, 2, 0, 0, 3, 4, 0, 5],
    'B': [2, 3, 0, 0, 4, 5, 0, 6],
    'C': [3, 4, 0, 0, 5, 6, 0, 7]
}
df = pd.DataFrame(data)

# ----------------------
# 2. 核心拆分逻辑
# ----------------------
# 标记每行是否全为0
is_zero_row = df.eq(0).all(axis=1)
# 获取全0行的索引，转为列表
zero_indices = df.index[is_zero_row].tolist()
# 补充拆分的首尾边界：从第0行开始，到最后一行结束
split_bounds = [0] + zero_indices + [len(df)]

# 用列表存储拆分后的子DataFrame（推荐，方便批量操作）
split_dfs = []
for i in range(len(split_bounds) - 1):
    start_idx = split_bounds[i]
    end_idx = split_bounds[i+1]
    # 提取子DataFrame
    sub_df = df.iloc[start_idx:end_idx]
    # 跳过空的子DataFrame，以及全是0的子DataFrame
    if not sub_df.empty and not sub_df.eq(0).all(axis=1).all():
        split_dfs.append(sub_df)

# ----------------------
# 3. （可选）将子DataFrame命名为df1、df2...（直接赋值到全局变量）
# ----------------------
for idx, sub_df in enumerate(split_dfs, start=1):
    globals()[f'df{idx}'] = sub_df

# 测试输出
print("拆分后的df1：")
print(df1)
print("\n拆分后的df2：")
print(df2)
print("\n拆分后的df3：")
print(df3)

关键细节解释 #

• df.eq(0).all(axis=1)：逐行检查所有列的值是否都等于0，返回布尔Series，True代表该行全为0
• split_bounds：把全0行的索引作为拆分点，再加上起始的0和结束的总行数，以此确定每个子DataFrame的起止区间
• 循环中跳过空DataFrame：避免连续全0行导致生成空的子DataFrame，同时排除本身就是全0的子DataFrame

注意事项 #

• 如果你的DataFrame使用了非默认整数索引，建议先执行df = df.reset_index(drop=True)重置索引，避免切片出错
• 若数据量极大，优先用split_dfs列表存储子DataFrame，比动态生成df1、df2这类变量更高效、易维护
• 该方法基于Pandas的索引切片，处理大行数DataFrame时性能稳定

内容的提问来源于stack exchange，提问作者Zlatan