如何按指定列的取值出现次数将DataFrame拆分为两个？

你可以通过分组计数加筛选的逻辑完成需求，以下是两种可行的实现方式：

方式1：transform计数法（大数据量下性能更优） #

import pandas as pd

# 构造示例数据，实际使用时替换为你自己的DataFrame即可
df = pd.DataFrame({
    "Project_Number": ["S100", "S100", "S200", "S300", "S300", "S300", "S400"],
    "Indication": ["X", "Y", "Z", "P", "Q", "R", "S"]
})

# 统计每个Project_Number对应的总记录数，标记到每行
df['cnt'] = df.groupby('Project_Number')['Project_Number'].transform('count')

# 按规则拆分
df1 = df[df['cnt'] > 1].drop(columns='cnt').reset_index(drop=True)
df2 = df[df['cnt'] == 1].drop(columns='cnt').reset_index(drop=True)

方式2：groupby filter写法（代码更简洁） #

不需要新增临时计数列，直接通过分组过滤实现：

df1 = df.groupby('Project_Number').filter(lambda group: len(group) > 1).reset_index(drop=True)
df2 = df.groupby('Project_Number').filter(lambda group: len(group) == 1).reset_index(drop=True)

两种方式运行后得到的df1和df2完全符合你给出的预期输出。

内容的提问来源于stack exchange，提问作者Shivika