如何遍历Pandas DataFrame并按指定列唯一值拆分为多个独立DataFrame

如果你的原始DataFrame存储在列表中，先取出对应的DataFrame对象即可，示例为df = 你的列表名[索引值]。
两种常用的实现方式如下，可根据需求选择：

方法1：用groupby直接拆分（更简洁，无需手动枚举ID值） #

不需要提前知道ID列的具体取值，groupby会自动按所有唯一ID值拆分，结果可以存在字典中方便调用：

import pandas as pd

# 示例原始DataFrame，实际使用时替换为你自己的df
df = pd.DataFrame({
    'ID': ['0902', '0105', '0902', '0105', '0902'],
    'Colour': ['红', '蓝', '绿', '黄', '紫'],
    'Transport': ['公交', '地铁', '开车', '骑车', '步行']
})

# 按ID列拆分，字典的key为ID值，value为对应的子DataFrame
df_dict = dict(tuple(df.groupby('ID')))

# 按需求取出对应ID的独立DataFrame
df1 = df_dict['0902']
df2 = df_dict['0105']

• 优势：不需要手动写遍历逻辑，也不用硬编码ID取值，后续ID新增其他值时无需修改代码即可自动完成拆分。

方法2：手动遍历唯一值拆分（符合遍历实现的要求） #

如果你明确需要用遍历方式实现，可以按以下逻辑编写：

# 先获取ID列所有唯一取值
unique_ids = df['ID'].unique()

# 遍历拆分后存到列表中
result_dfs = []
for id_val in unique_ids:
    # 筛选对应ID的行，加copy()生成独立副本避免修改子df时影响原df
    sub_df = df[df['ID'] == id_val].copy()
    result_dfs.append(sub_df)

# 取出对应子DataFrame，顺序和unique_ids的返回顺序一致
df1 = result_dfs[0] # 对应第一个出现的ID，示例中为0902
df2 = result_dfs[1] # 对应第二个出现的ID，示例中为0105

注意：如果需要对子DataFrame做修改且不影响原始DataFrame，务必加.copy()方法生成独立副本，避免触发Pandas的链式索引警告。

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