如何根据Rolling_sum列的0值将Pandas dataframe拆分为多个子数据帧

现有如下Pandas DataFrame构造代码：

import pandas as pd

df = pd.DataFrame({'A':[4,5,0,0,5,0,0,4],
                   'B':[7,8,0,0,4,0,0,0],
                   'C':[1,3,0,0,7,0,0,0]}, columns = ['A','B','C'])

df["sum"] = df.sum(axis=1)
df["Rolling_sum"] = df["sum"].rolling(2, min_periods=1).sum()

运行后得到的原始DataFrame结构如下：

需要根据Rolling_sum列的0值位置拆分原DataFrame，排除0值所在行，最终得到3个连续的子DataFrame：

1. 子DataFrame1包含索引0-2的行
2. 子DataFrame2包含索引4-5的行
3. 子DataFrame3包含索引7的行

核心逻辑是用0值行作为分割边界，给连续的非0值段分配独立分组号，再按分组号拆分：

# 1. 标记所有Rolling_sum为0的分割行
split_mask = df['Rolling_sum'] == 0
# 2. 给连续的非分割行分配唯一组号，每遇到一个分割行组号+1
df['group_id'] = split_mask.cumsum()
# 3. 过滤掉分割行后按组号分组
grouped = df[~split_mask].groupby('group_id')
# 4. 提取所有子DataFrame到列表，删掉辅助用的group_id列
sub_dfs = [group.drop(columns='group_id') for _, group in grouped]

最终sub_dfs列表的三个元素就对应需求中的三个子DataFrame：

• sub_dfs[0]对应第一个子数据帧
• sub_dfs[1]对应第二个子数据帧
• sub_dfs[2]对应第三个子数据帧

内容的提问来源于stack exchange，提问作者PPR