Pandas按CLASS拆分DataFrame、长宽转换后如何遍历子表执行函数

你代码的问题有两处：

1. 循环体内调用pivot_table时用的是原始全量df，而非每个分组对应的子DataFrame，导致每次生成的都是全量数据的透视结果，自然没有CLASS区分
2. 循环变量名定义反了：d.items()返回的是(分组键, 分组子表)的元组，你写的for names, classes in d.items()里，names实际是CLASS的取值，classes才是对应子表，命名混淆容易引发逻辑错误

方案1：基于你现有分组字典调整 #

# 定义字典存储每个CLASS对应的透视后结果，方便后续调用
pivot_result = {}

for class_val, sub_df in d.items():
    # 对当前分组的子表做透视，而非全量df
    newdata = sub_df.pivot_table(index="TIME", columns="NAME", values="GRADE")
    # 可选操作：将CLASS作为新列存入透视表，方便后续识别
    newdata['CLASS'] = class_val
    # 存入结果字典，key为CLASS取值，value为对应透视子表
    pivot_result[class_val] = newdata
    # 此处可直接执行你的自定义函数，例如：
    # your_custom_func(newdata)

执行后结果示例：

• pivot_result['A']输出：

NAME  a  b CLASS
TIME            
1     4  4     A
2     5  5     A

• pivot_result['B']输出：

NAME  c  d CLASS
TIME            
1     4  4     B
2     5  5     B

方案2：更简洁的直接遍历groupby对象 #

无需提前将groupby对象转为字典，可直接迭代处理：

pivot_result = {}
for class_val, sub_df in df.groupby('CLASS'):
    newdata = sub_df.pivot_table(index="TIME", columns="NAME", values="GRADE")
    newdata['CLASS'] = class_val
    pivot_result[class_val] = newdata
    # 直接调用自定义函数
    # your_custom_func(newdata)

如果需要后续再批量处理所有子表，直接遍历结果字典即可：

for class_val, pivot_df in pivot_result.items():
    # class_val为当前子表对应的CLASS取值，pivot_df为对应透视子表
    # 此处写入你的自定义逻辑即可
    print(f"当前处理CLASS：{class_val}")
    print(pivot_df)

内容的提问来源于stack exchange，提问作者Michael J. Erickson