如何将Pandas DataFrame按指定列唯一值拆分为多个子DF或对应值列表

AI 小北

2026-9-25

解决方案

两种需求都可以通过pandas原生groupby接口实现，无需手动枚举Type列的唯一值，适配大数据量场景。

方案1：生成对应名称的列表（与你示例效果完全一致）

核心逻辑是分组后对Item列聚合为列表，再转为字典，也可以直接绑定为全局变量直接调用：

import pandas as pd

# 构造示例DataFrame，你实际使用时替换为自己的df即可
df = pd.DataFrame({
    'Type': ['Cars', 'Cars', 'Cars', 'Fruits', 'Fruits', 'Countries', 'Countries'],
    'Item': ['Toyota', 'Honda', 'Tesla', 'Apple', 'Orange', 'USA', 'Mexico']
})

# 生成键为Type值、值为对应Item列表的字典
res_dict = df.groupby('Type')['Item'].agg(list).to_dict()

# 如果需要直接生成Cars、Fruits这类命名的全局变量，执行以下代码即可
for name, item_list in res_dict.items():
    globals()[name] = item_list

运行后你直接打印Cars就可以得到输出['Toyota', 'Honda', 'Tesla']。

方案2：按Type拆分为独立子DataFrame

核心逻辑是分组后直接把每个分组的DataFrame存入字典：

# 生成键为Type值、值为对应子DataFrame的字典
df_dict = dict(tuple(df.groupby('Type')))

# 如果需要直接生成对应命名的全局子DataFrame，执行以下代码
for name, sub_df in df_dict.items():
    globals()[name] = sub_df

运行后你访问Cars就会得到Type为Cars的所有行组成的子DataFrame。