如何从单个DataFrame中按公司维度拆分生成多个独立的DataFrame

前置准备 #

如果你还未构造原始DataFrame，可参考如下代码构造，已有原始df可直接跳过该部分：

import pandas as pd

data = {
    "Company": ["A", "A", "A", "B", "B", "C", "C"],
    "Sales": [100, 200, 300, 50, 60, 10, 20]
}
df = pd.DataFrame(data)

实现方式 #

方式1：拆分结果存入字典（更推荐，便于统一管理） #

将不同公司的df存在同一个字典中，键为公司名，值为对应公司的独立df，调用时直接按公司名取数即可：

company_df_dict = {company: group for company, group in df.groupby("Company")}

调用示例：

• 获取A公司df：company_df_dict["A"]
• 获取B公司df：company_df_dict["B"]

方式2：生成独立命名的全局变量 #

如果需要单独的变量对应不同公司的df，可直接生成带公司标识的全局变量：

for company, group in df.groupby("Company"):
    globals()[f"df_{company}"] = group

调用示例：

• 获取A公司df：直接调用变量df_A
• 获取B公司df：直接调用变量df_B

效果验证 #

以A公司的df为例，输出结果和需求完全一致：

Company  Sales
0       A    100
1       A    200
2       A    300

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