如何在Python中基于DataFrame列的唯一值创建DataFrame列表

嘿，这个需求在数据处理里真的很常见，我给你分享两种简单靠谱的方法，直接上手就能用：

方法1：用groupby快速拆分（最简洁） #

Pandas的groupby天生就是干这个的，它会自动把指定列的每个唯一值对应的行打包成一个子DataFrame，咱们只需要把分组结果转成列表就行。

举个实际例子，先创建一个测试用的DataFrame：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Category': ['A', 'B', 'A', 'C', 'B', 'A'],
    'Value': [10, 20, 15, 30, 25, 12]
})

然后按Category列的唯一值拆分：

# 按指定列分组，转成DataFrame列表
df_list = [group for _, group in df.groupby('Category')]

解释一下：df.groupby('Category')返回的是分组对象，用列表推导式遍历它，_是占位符（代表组名，也就是'A'/'B'/'C'），group就是每个组对应的子DataFrame。

如果想同时保留组名和对应的DataFrame，也可以转成字典，方便后续快速查找：

df_dict = {group_name: group for group_name, group in df.groupby('Category')}
# 之后可以通过df_dict['A']直接拿到对应组的DataFrame

方法2：手动遍历唯一值（灵活可控） #

如果你需要在拆分前对每个组做一些自定义操作（比如先过滤某些行），手动遍历指定列的唯一值会更灵活。

还是用刚才的示例DataFrame，步骤如下：

# 获取指定列的唯一值（自动去重）
unique_values = df['Category'].unique()

# 初始化空列表存储拆分后的DataFrame
df_list = []

# 遍历每个唯一值，筛选对应行并添加到列表
for val in unique_values:
    sub_df = df[df['Category'] == val]
    df_list.append(sub_df)

小提示 #

• 如果指定列存在缺失值（NaN），unique()会把NaN也当作一个唯一值。如果想排除缺失值，可以先处理：

  unique_values = df['Category'].dropna().unique()
  

• 为了避免后续修改子DataFrame时影响原数据，建议在拆分时生成副本：

  # 方法1的副本写法
  df_list = [group.copy() for _, group in df.groupby('Category')]
  # 方法2的副本写法
  sub_df = df[df['Category'] == val].copy()
  

内容的提问来源于stack exchange，提问作者Sairam Ch