Pandas如何遍历dataframe并按多条件拆分生成新dataframe？

你需要的多条件全组合拆分DataFrame可以通过以下两种高效方式实现，无需手动编写每条筛选逻辑：

方案一：按目标列直接分组（推荐） #

直接使用pandas原生groupby方法按四个目标列分组，自动匹配所有存在数据的条件组合，性能最优：

# 按4个维度分组，groups会自动聚合所有存在的组合对应的行
groups = df.groupby(["Z_year", "Z_month", "Z_group", "time_range"])

# 遍历所有分组处理子DataFrame
for (year, month, group, time_range), sub_df in groups:
    # 示例：将子DataFrame导出为独立文件，空间数据可替换为geopandas的to_file方法
    filename = f"data_{year}_{month}_{group}_{time_range.replace(' ', '_')}.csv"
    sub_df.to_csv(filename, index=False)
    
    # 若需要将所有子DataFrame存入字典后续调用，可提前初始化字典存储：
    # sub_df_dict[(year, month, group, time_range)] = sub_df

该方案的优势：

• 自动覆盖所有存在数据的组合，无需提前手动枚举所有可能值
• 底层为pandas优化实现，处理效率远高于手动循环筛选
• 自动跳过无数据的空组合，避免生成无效空文件

方案二：强制覆盖全枚举组合 #

如果你需要哪怕某组合无对应数据也要生成对应空文件，可以先枚举所有你列出的唯一值组合再筛选：

from itertools import product

# 定义所有维度的枚举值
year_list = [2020, 2021]
month_list = [5, 8, 11]
group_list = ["weekday", "weekend"]
time_range_list = ["08:00 to 12:00", "12:00 to 18:00", "18:00 to 01:00"]

# 生成所有组合的笛卡尔积
all_combs = product(year_list, month_list, group_list, time_range_list)

for year, month, group, time_range in all_combs:
    # 筛选符合条件的子数据（注意修正你原代码中`df.loc['Z_group']`的错误写法，取列直接用df['列名']即可）
    sub_df = df[(df["Z_year"] == year) &
                (df["Z_month"] == month) &
                (df["Z_group"] == group) &
                (df["time_range"] == time_range)]
    # 导出逻辑同上
    filename = f"data_{year}_{month}_{group}_{time_range.replace(' ', '_')}.csv"
    sub_df.to_csv(filename, index=False)

内容的提问来源于stack exchange，提问作者littlerhizomeman