如何用Python和Pandas的for循环创建多个过滤后的DataFrame？

当然可以用for循环实现自动化拆分，甚至还有更简洁的方法帮你摆脱重复繁琐的手动赋值！

方法一：用for循环+字典存储 #

这种方式会自动遍历所有唯一的app_version，把每个版本对应的子DataFrame存入字典，不用手动为每个版本单独定义变量：

import pandas as pd

# 假设你的原始数据集是all_data
version_dfs = {}
# 获取所有不重复的app_version值
unique_versions = all_data['app_version'].unique()

for version in unique_versions:
    # 把每个版本的子DataFrame存入字典，键就是对应的版本号
    version_dfs[version] = all_data[all_data['app_version'] == version]

之后你想访问某个版本的DataFrame，直接通过字典的键调用就行，比如：

# 获取v1版本的子DataFrame
v1_data = version_dfs['v1']

方法二：用pandas的groupby+字典推导式（更简洁） #

pandas的groupby方法可以直接按指定列分组，配合字典推导式一行就能完成拆分，代码更紧凑高效：

version_dfs = {version: group_df for version, group_df in all_data.groupby('app_version')}

这个写法和上面的for循环效果完全一致，但代码更简洁，适合追求高效的场景。

不管用哪种方法，都能帮你自动处理所有app_version，哪怕后续新增了v4、v5等版本，也不需要修改代码，扩展性比手动赋值强太多！

内容的提问来源于stack exchange，提问作者jceg316