pandas循环拆分单个DataFrame为多个子表并计算累计和

原代码问题点 #

• 原始数据构造存在语法错误：字符串值未加引号、amount列20 25缺失分隔逗号、列名前后不一致（混用names/name）
• 循环内变量引用混乱：循环变量name是字符串类型，无法直接作为DataFrame赋值；子表变量名错用names/owner_names，赋值目标和引用对象完全不匹配
• 未做副本拷贝，直接切片赋值容易触发pandas的SettingWithCopyWarning警告

修正实现 #

推荐用字典存储拆分后的子DataFrame，避免动态生成全局变量的维护问题，代码如下：

import pandas as pd

# 构造原始测试数据
raw_df = pd.DataFrame({
    'names': ['joe', 'joe', 'bob', 'john', 'john'],
    'order_id': [10, 12, 5, 20, 25],
    'amount': [100, 1000, 200, 20, 25]
})

sub_dfs = {}
for name in raw_df['names'].unique():
    # 筛选对应名字的子表，加copy避免链式赋值警告
    current_sub = raw_df.loc[raw_df['names'] == name].copy()
    # 计算当前子表amount列的累计和
    current_sub['cummulative_sum'] = current_sub['amount'].cumsum()
    sub_dfs[name] = current_sub

调用时直接按名字取对应子表即可，比如执行print(sub_dfs['joe'])输出结果为：

names  order_id  amount  cummulative_sum
0   joe        10     100              100
1   joe        12    1000             1100

注：你给出的示例中joe第二行累计和写为110属于笔误，按你提供的amount值100+1000计算结果为1100，若第二行amount实际为10，累计和才会是110

更高效率的无循环写法 #

如果数据量很大，逐行循环筛选效率较低，可以直接用pandas分组计算逻辑先算完所有累计和再拆分：

# 按names分组直接计算全量累计和
raw_df['cummulative_sum'] = raw_df.groupby('names')['amount'].cumsum()
# 一次性拆分所有子表存入字典
sub_dfs = {name: group for name, group in raw_df.groupby('names')}

内容的提问来源于stack exchange，提问作者eweiss1997