如何基于DataFrame的A列创建对应分组列表？

问题描述 #

现有如下结构的DataFrame：

A     B      C
 1     14    100
 1     15    101
 1     16    102
 2     17    103
 2     18    104
 3     19    105
 3     20    106
...   ...    ...
 n     

需要针对A列中从1到n的每个数值，生成对应分组的B列值列表，输出示例如下：

l1 = [14, 15, 16] (对应A列的1)
l2 = [17,18]  (对应A列的2)
l3 = [19,20] (对应A列的3)

解决方案 #

方法1：用字典存储分组结果（推荐） #

这种方式更灵活，便于后续统一管理和调用分组数据：

import pandas as pd

# 初始化示例DataFrame（实际使用时替换为你的数据）
df = pd.DataFrame({
    'A': [1,1,1,2,2,3,3],
    'B': [14,15,16,17,18,19,20],
    'C': [100,101,102,103,104,105,106]
})

# 按A列分组，将每组的B列转为列表，存入字典
grouped_data = df.groupby('A')['B'].apply(list).to_dict()

# 按要求格式输出
for a_num, b_list in grouped_data.items():
    print(f'l{a_num} = {b_list} (对应A列的{a_num})')

方法2：动态生成单独变量 #

如果确实需要生成l1、l2这类单独命名的变量，可以通过全局命名空间动态创建：

import pandas as pd

df = pd.DataFrame({
    'A': [1,1,1,2,2,3,3],
    'B': [14,15,16,17,18,19,20],
    'C': [100,101,102,103,104,105,106]
})

# 遍历分组，动态生成变量
for a_val, b_group in df.groupby('A')['B']:
    var_name = f'l{a_val}'
    globals()[var_name] = b_group.tolist()
    print(f'{var_name} = {globals()[var_name]} (对应A列的{a_val})')

注意：如果A列的分组数量n很大，不推荐方法2，大量单独变量会增加代码维护难度，方法1的字典存储更高效。

内容的提问来源于stack exchange，提问作者AdrixnIPP