基于现有Pandas DataFrame按区域拆分生成新DataFrame的问题

看来你在按Region拆分DataFrame并导出的时候走了点弯路，我来帮你理清楚正确的做法：

问题分析 #

你之前尝试用df['northregion'] = df.region == 'North'生成布尔列，再用pivot_table来创建新DataFrame，这其实用错了工具——pivot_table是用来做数据聚合透视的（比如求和、均值统计），而你需要的是筛选指定区域的行并提取特定列，所以才会得到全是True/False的结果。

正确步骤 #

1. 读取原始数据（如果还没做）

首先确保你已经把CSV读取成了pandas DataFrame：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_data.csv')
# 你的原始数据列名：Region, Name, utilization, capacity

2. 按Region拆分出指定列的DataFrame

这里有两种简洁的方式：

方法一：遍历唯一区域值筛选

# 定义需要保留的列（注意和原数据列名大小写一致）
target_columns = ['Name', 'utilization', 'capacity']

# 创建字典存储每个区域的DataFrame
region_dataframes = {}

# 遍历所有唯一的Region值
for region in df['Region'].unique():
    # 筛选当前区域的行，提取目标列，重置索引
    region_dataframes[region] = df[df['Region'] == region][target_columns].reset_index(drop=True)

方法二：用groupby更高效拆分

如果数据量较大，用groupby会更高效：

target_columns = ['Name', 'utilization', 'capacity']
region_dataframes = {
    region: group[target_columns].reset_index(drop=True) 
    for region, group in df.groupby('Region')
}

执行后，region_dataframes['North']就是你想要的North区域DataFrame：

Name  utilization  capacity
0  Westfield           10        20
1  ShadyAcres          100       300

3. 导出为CSV或JSON

遍历存储的DataFrame，批量导出：

# 导出为CSV（每个区域一个文件）
for region, df_region in region_dataframes.items():
    df_region.to_csv(f'{region}_data.csv', index=False)

# 导出为JSON（用records格式更易读）
for region, df_region in region_dataframes.items():
    df_region.to_json(f'{region}_data.json', orient='records')

这样就能得到每个区域独立的CSV/JSON文件，完全符合你的需求啦！

内容的提问来源于stack exchange，提问作者Uggers