如何用列表实现Pandas DataFrame分组批量生成子数据框

你不需要额外找特殊函数，df.groupby("x")本身就支持批量生成所有分组对应的子DataFrame，不需要手动逐个定义变量，以下是两种常用实现：

方案1：字典存储（最推荐） #

把所有拆分后的子DataFrame存在字典里，用x列的取值作为键，后续调用、批量处理都非常方便，不会污染全局变量空间：

# 按x列分组，批量生成所有子df存入字典
df_dict = {x_value: sub_df.reset_index(drop=True) for x_value, sub_df in df.groupby("x")}

使用时直接通过x的取值取对应子表即可，比如要获取x=1对应的子表，直接调用df_dict[1]，和你预期的df1(x=1)效果完全一致。不管x列有多少个不同取值，这行代码都能一次性完成拆分，不需要提前枚举x的所有可能值。
如果需要对所有子表做统一处理，直接遍历df_dict.values()即可，不需要逐个操作单独变量。

方案2：动态生成独立变量（不推荐） #

如果你一定要生成df_1、df_3这类独立命名的变量，可以通过动态赋值实现：

for x_value, sub_df in df.groupby("x"):
    globals()[f"df_{x_value}"] = sub_df.reset_index(drop=True)

运行后当前环境就会自动生成所有对应x取值的子DataFrame变量，直接调用df_1就能拿到x=1对应的子表。但这种方式生成的变量过多时不好管理，批量处理也麻烦，非特殊需求不建议用。

注：代码里的reset_index(drop=True)是用来重置子表的索引，避免保留原始DataFrame的行索引，不需要可以直接删掉。

内容的提问来源于stack exchange，提问作者Gerrardong