Pandas如何按列值首字母区间筛选拆分DataFrame子集

你目前手动枚举全量字母列表的写法虽然能实现需求，但可维护性很差，后续调整分组区间时需要手动增删列表内的字母，冗余度高。利用英文字母ASCII编码连续排序的特性，完全可以省去枚举字母的步骤，以下是两种更易维护的实现方式：

方案1：直接用字符区间判断（最简洁，适配固定3组拆分场景） #

英文字母的ASCII码是连续排列的，直接对首字母做范围判断即可，不需要枚举区间内的所有字母。记得先统一首字母的大小写，避免大小写导致的匹配错误：

# 提取name列首字母并统一转为大写，消除大小写影响
first_char = df['name'].str[0].str.upper()

# 直接按字符区间筛选，调整分组仅需修改边界值
df1 = df[first_char.between('A', 'I')]  # 首字母A-I的子集
df2 = df[first_char.between('J', 'R')]  # 首字母J-R的子集
df3 = df[first_char.between('S', 'Z')]  # 首字母S-Z的子集

如果后续需要调整分组范围，比如把A-I调整为A-F，只需要把between('A','I')改成between('A','F')即可，不需要修改长列表。

方案2：用cut方法打分组标签（适合多分组、需要批量处理的场景） #

如果后续可能增加分组数量，或者需要批量处理所有子集，可以用pd.cut直接给每行打上分组标签，后续筛选、遍历都更规整：

# 定义分组边界：左闭右开区间，最后一个边界取ASCII码在Z之后的'[',刚好覆盖S-Z范围
bin_edges = ['A', 'J', 'S', '[']
group_labels = ['A-I', 'J-R', 'S-Z']

# 将首字母转成对应的ASCII码数值后做分箱打标
df['group_tag'] = pd.cut(
    x=df['name'].str[0].str.upper().apply(ord),
    bins=[ord(c) for c in bin_edges],
    labels=group_labels
)

# 可以直接按组遍历处理，不需要单独写3次筛选逻辑
for tag, sub_df in df.groupby('group_tag', observed=True):
    print(f"分组{tag}共{len(sub_df)}条数据")
    # 此处可直接对子集做存储、计算等后续操作

注意事项 #

如果你的数据集里name列存在空值、或者首字母非英文字母的异常数据，可以在拆分前先加一层过滤，避免判断报错：

# 仅保留name首字母为英文字母的行
df = df[df['name'].str[0].str.isalpha()]

内容的提问来源于stack exchange，提问作者GeekGroot