Pandas按id分组生成多个独立DataFrame的实现方法

不需要提前统计原始DataFrame里唯一id的总数量，直接利用pandas.groupby()的原生能力即可实现全流程通用适配，具体实现如下：

• 第一步：基于原始sample DataFrame执行分组操作

  # 按id字段生成分组对象，sort=False 保留原始数据的行出现顺序，避免默认排序打乱原顺序
  grouped = sample.groupby('id', sort=False)
  

• 第二步：遍历分组对象存储所有子DataFrame
  groupby返回的分组对象本身就会自动识别所有唯一id、切分好对应的数据块，完全不需要提前知道分组总数，可根据使用习惯选择两种存储方案：
  1. 推荐方案：用字典存储子表
     以id值为键、对应子DataFrame为值存入字典，后续查找、调用子表时非常直观：

     sub_df_map = {group_key: group_df for group_key, group_df in grouped}
     

     比如需要获取id为3877的子表，直接调用sub_df_map[3877]即可拿到包含两行同id记录的独立子DataFrame，无论数据里有多少个唯一id，这个逻辑都不需要修改。
  2. 按需方案：按顺序生成df1、df2…形式的零散变量
     如果你确实需要和示例中df1、df2命名规则一致的零散子表，可以通过遍历序号动态绑定变量（注意这种方式不适合生产场景，因为动态生成的全局变量容易引发作用域混乱、后续维护成本高）：

     # 从df1开始按出现顺序绑定每个子表
     for seq, (_, group_df) in enumerate(grouped, start=1):
         globals()[f'df{seq}'] = group_df
     

注意事项

• 不要省略sort=False参数：groupby默认会按照分组键的数值大小排序，加上这个参数后，子表的顺序和原始数据中第一次出现对应id的顺序完全一致，和你示例里df1到df9的排序逻辑匹配。
• 你样本中shcool_id存在拼写偏差（正确拼写为school_id），不影响分组逻辑，可按需修正。

内容的提问来源于stack exchange，提问作者a1234