You need to enable JavaScript to run this app. pandas在未知总行数下按行拆分DataFrame为6等份并动态保存CSV
优惠活动
大模型
产品
解决方案
定价
更多

pandas在未知总行数下按行拆分DataFrame为6等份并动态保存CSV

实现方案

核心规则匹配

使用numpy.array_split完成拆分,完全适配需求:

  • 无需提前统计DataFrame总行数,自动适配任意输入规模的拆分逻辑
  • 拆分边界完全匹配示例要求:当总行数无法被拆分份数整除时,余数优先分配给靠前的分片,保证所有分片规模尽可能均等
  • 拆分结果以列表形式存储,可循环遍历完成动态CSV保存,无需手动逐一遍历编写保存代码

完整可运行代码

首先导入依赖并构造示例DataFrame:

import pandas as pd
import numpy as np

# 构造与示例完全一致的测试数据
df = pd.DataFrame({
    "ID": range(1, 15),
    "Job": ["A", "B", "B", "C", "A", "A", "A", "B", "C", "B", "B", "A", "C", "B"],
    "Salary": [100, 200, 20, 150, 500, 600, 200, 150, 110, 200, 220, 150, 20, 50]
})

执行拆分与动态保存:

# 定义拆分总份数
split_count = 6
# 自动按行数完成均等拆分
split_dfs = np.array_split(df, split_count)

# 循环遍历所有子表,动态生成CSV文件
for seq, sub_df in enumerate(split_dfs, start=1):
    # 按序号动态命名文件,比如df1.csv、df2.csv
    save_path = f"./df{seq}.csv"
    sub_df.to_csv(save_path, index=False, encoding="utf-8-sig")

效果校验

运行以下代码可验证各子表的行数规模,与示例完全匹配:

for idx, sub in enumerate(split_dfs, 1):
    print(f"df{idx} 行数:{len(sub)}")

输出结果:

df1 行数:3
df2 行数:3
df3 行数:2
df4 行数:2
df5 行数:2
df6 行数:2

各子表的内容切片位置与示例给出的期望拆分效果完全一致。

内容的提问来源于stack exchange,提问作者Danish

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.22 11:54:05