Pandas中如何按指定列的不同取值分别创建独立DataFrame

你首先需要确认排序结果已赋值给实体变量，否则单次执行df.sort_values(by=['salesmen'])不会修改原df，排序结果不会留存：

# 保存排序后的数据集
df_sorted = df.sort_values(by=['salesmen'])

推荐方案：字典映射存储（易维护、无报错风险） #

直接按salesmen列分组遍历，把每个销售员对应的数据集存在字典里，调用时按姓名取对应值即可，sort=False参数可以保留你之前排好的顺序，不会触发分组默认的重排逻辑：

salesman_df_map = {}
for salesman_name, sub_df in df_sorted.groupby('salesmen', sort=False):
    # 重置索引，去掉原df的索引标记，不需要可以删掉reset_index部分
    salesman_df_map[salesman_name] = sub_df.reset_index(drop=True)

使用示例：如果要获取销售员"李雷"的对应数据，直接访问salesman_df_map['李雷']就能拿到独立的DataFrame。

可选方案：动态生成独立变量（不推荐） #

如果确实需要生成和销售员姓名绑定的单独变量，可以借助globals()动态赋值，注意如果姓名包含特殊字符、空格会触发语法错误：

for salesman_name, sub_df in df_sorted.groupby('salesmen', sort=False):
    globals()[f'df_{salesman_name}'] = sub_df.reset_index(drop=True)

执行后会直接生成df_李雷、df_韩梅梅这类对应每个销售员的DataFrame变量。

提示：如果销售员数量较多，优先选字典存储的方案，不会污染全局命名空间，后续批量处理、遍历调用也更方便。

内容的提问来源于stack exchange，提问作者max2lax