如何按TITLE列值拆分包含4个不同长度子块的Pandas DataFrame

核心使用Pandas的groupby方法实现，无需提前预设子块长度、也无需适配不同表的结构差异，只要待处理表格包含TITLE列即可通用。

基础实现代码 #

首先导入Pandas库：

import pandas as pd

假设你已经读取目标DataFrame为df，执行以下操作即可完成拆分：

# 按TITLE列分组，生成各子DataFrame字典
split_result = {title_val: sub_df.reset_index(drop=True) 
                for title_val, sub_df in df.groupby("TITLE")}

拆分后得到的split_result是字典结构，键为TITLE列的各个取值，值为该取值对应的子DataFrame，你可以直接通过键名取用对应子表，例如split_result["目标TITLE取值"]。

多表批量处理封装 #

如果需要处理多张表，可以直接封装为通用函数，批量调用即可：

def split_table_by_title(input_df):
    # 可选：过滤掉TITLE列为空的无效行
    cleaned_df = input_df.dropna(subset=["TITLE"])
    return {
        title_val: sub_df.reset_index(drop=True) 
        for title_val, sub_df in cleaned_df.groupby("TITLE")
    }

# 批量处理示例
# 假设所有待处理的表存在列表df_list中
processed_list = [split_table_by_title(df) for df in df_list]

该方法完全不限制每个TITLE对应的子块长度，也不需要提前知道TITLE的取值数量，适配所有符合要求的表格。

可选优化：处理TITLE列格式问题 #

如果你的数据里TITLE列存在前后空格、大小写不一致的情况，可以先做格式化预处理，避免拆分出现冗余分组：

# 去除首尾空格+统一转为小写（可根据实际需求调整格式化规则）
df["TITLE"] = df["TITLE"].str.strip().str.lower()

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