Python Pandas如何用for循环从大DataFrame拆分生成多个小子DataFrame

你可以直接通过列选取+循环的方式快速完成拆分，不需要复杂逻辑，以下是可直接运行的实现代码：

方法1：简洁列表推导式（推荐） #

代码最短，执行效率最高，直接生成目标列表：

# 假设你的原始DataFrame变量名为df，第一列列名为x
df_list = [df[["x", col]] for col in df.columns if col != "x"]

生成的df_list是长度为50的列表，按y1到y50的顺序存储子DataFrame，每个子表都保留完整的x列和对应的单个y列，完全匹配你的预期结构。

方法2：显式for循环（方便后续扩展逻辑） #

如果你需要在拆分过程中给每个子表加额外处理（比如重命名、数据清洗、计算衍生列、单独存文件），可以用显式循环写法：

df_list = []
# 遍历所有非x的Y值列
for y_col in df.columns.drop("x"):
    # 选取x列和当前Y列生成子表，加copy()避免后续修改子表时联动修改原始数据
    sub_df = df[["x", y_col]].copy()
    # 自定义处理逻辑可以写在这里，比如 sub_df.to_csv(f"{y_col}.csv") 直接导出单文件
    df_list.append(sub_df)

效果验证 #

你可以运行以下代码检查拆分结果是否符合要求：

# 打印前2个子表的前几行，核对结构
for idx, sub_df in enumerate(df_list[:2], 1):
    print(f"df{idx}")
    print(sub_df.head(), "\n")

内容的提问来源于stack exchange，提问作者SAugustus