如何按Symbols列将单个Pandas DataFrame拆分为多个独立DataFrame
按Symbols列拆分单DataFrame为多个独立DataFrame的实现方案
之前方案的问题根源
两套代码跑不通的核心是逻辑和语法错误,和.SA后缀的字符串识别完全无关:
- 第一套循环的问题:拿原Symbols列的全量重复值做遍历对象,每轮循环都把筛选结果赋值给同一个
stock变量,跑完全程只会剩下最后一轮的结果;多余的'{}'.format(stock)完全没必要,变量本身就是字符串的情况下,Python可以正常匹配带.SA后缀的内容。 - 第二套循环的问题:写反了赋值逻辑,把
stock.str.replace(...)这类带方法调用的返回值放在等号左边,不符合Python语法规则;而且str.replace的参数也传错了,第二个参数要填替换后的文本,不是DataFrame的行数。
可行实现方案
方案1:用pandas内置groupby拆分(大数量级场景优先选)
pandas的groupby方法本身就支持按指定列拆分出所有分组的独立DataFrame,不需要手动写筛选逻辑:
# 按Symbols列分组,把每个唯一Symbol对应的DataFrame存入字典 symbol_split_dict = { sym: group.reset_index(drop=True) for sym, group in brazilian_stocks_stack.groupby("Symbols") } # 调用方式:按键名直接获取对应Symbol的独立DataFrame # 例如获取AALR3.SA对应的拆分结果 aalr3_df = symbol_split_dict["AALR3.SA"]
这种方式的优势:
- 全量分组过程由pandas向量化底层实现,比手动循环筛选效率高,数据量越大差异越明显
- 自动覆盖所有唯一的Symbols值,不需要手动做去重操作
- 用字典存储拆分结果,不会出现循环覆盖变量的问题,所有独立DataFrame都可以独立留存调用
方案2:修正手动循环逻辑实现拆分
如果需要手动遍历完成拆分,需要调整两个核心细节:只遍历Symbols列的去重唯一值,拆分结果存入字典而非统一赋值给同一个临时变量:
# 1. 提取所有唯一的Symbols值,避免遍历重复数据 unique_syms = brazilian_stocks_stack["Symbols"].unique() # 2. 初始化字典存储拆分结果 split_df_store = {} # 3. 遍历唯一值做筛选 for sym in unique_syms: # 直接按值匹配筛选,不需要多余的字符串格式化 split_df_store[sym] = brazilian_stocks_stack[ brazilian_stocks_stack["Symbols"] == sym ].reset_index(drop=True)
额外提示:你示例里的
value列格式类似18.001.112,是导入时把千分位分隔符误识别为小数点的格式,如果后续需要做数值计算,可以先对该列做格式修正再拆分。
内容的提问来源于stack exchange,提问作者Tfmr_uk
相关产品推荐
相关产品推荐

