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
相关产品推荐

