如何将DataFrame中的各列拆分为仅含单列的独立新数据集

以下操作基于Python的pandas库实现，这是当前最常用的结构化表格数据处理工具。
如果你还没有将数据加载为DataFrame，可先执行对应读取操作，以csv源文件为例：

import pandas as pd
# 读取源数据生成DataFrame，变量名设为df
df = pd.read_csv("你的源数据文件名.csv")

方法1：用列表统一存储所有单列数据集 #

single_col_datasets = []
# 遍历所有列生成单列DataFrame
for col in df.columns:
    # 双重方括号保证输出为DataFrame格式，而非一维Series
    single_col_df = df[[col]]
    single_col_datasets.append(single_col_df)

取用方式：第1个对应Column1的数据集为single_col_datasets[0]，第2个对应Column2的为single_col_datasets[1]，以此类推即可。

方法2：直接生成独立命名的数据集变量 #

如果需要直接生成Dataset_1到Dataset_15的独立变量，可使用如下代码：

for idx, col in enumerate(df.columns, start=1):
    # 动态生成对应变量名
    globals()[f"Dataset_{idx}"] = df[[col]]

运行后直接输入Dataset_1即可查看仅包含Column1的数据集，其他编号的变量使用逻辑同理。

方法3：批量导出为独立的本地文件 #

如果你需要把15个数据集单独保存为本地文件，可使用如下代码批量导出为csv格式：

for idx, col in enumerate(df.columns, start=1):
    # index=False表示不导出pandas默认的行索引
    df[[col]].to_csv(f"Dataset_{idx}.csv", index=False)

运行后会在当前代码工作目录下生成15个独立csv文件，每个文件对应一个单列数据集。

内容的提问来源于stack exchange，提问作者Kim Yejun