如何根据指定条件将单个DataFrame拆分为多个DataFrame

嗨，很高兴能帮到你！看起来你已经搞定了CSV读取和筛选的前期工作，这很棒😉。针对拆分DataFrame的需求，其实不用写复杂的循环，我们可以用标记拆分点+分组的方法轻松实现，效率还更高。

具体步骤如下： #

1. 标记拆分触发条件
   首先我们要找出所有需要拆分的位置——也就是满足count > 1或者Time > 100的行。如果你的逻辑是“前一行满足条件时拆分”，可以用shift()方法来关联当前行和上一行的状态；如果是“当前行满足条件就开启新分组”，直接标记当前行即可。这里先以“当前行满足条件就拆分”为例：

   # 假设你的DataFrame名为df
   # 标记所有符合拆分条件的行
   df['split_flag'] = (df['count'] > 1) | (df['Time'] > 100)
   # 生成分组ID：每遇到一个拆分标记，分组ID就加1
   df['group_id'] = df['split_flag'].cumsum()
   

   这样group_id会把连续的、属于同一段记录的行归为同一个分组，遇到触发条件就自动开启新分组。

2. 拆分DataFrame为列表
   有了分组ID后，我们可以用groupby把原DataFrame拆分成多个小DataFrame，并存入列表方便后续分析：

   # 按group_id分组，转换成DataFrame列表
   df_list = [group for _, group in df.groupby('group_id')]
   

   现在df_list里的每个元素就是你需要的单段记录的DataFrame了，不管拆分多少次都能完美处理。

3. 可选：清理临时列
   如果不需要split_flag和group_id这两个临时列，可以在拆分后删除它们：

   # 移除临时列，得到干净的拆分结果
   df_list = [group.drop(['split_flag', 'group_id'], axis=1) for _, group in df.groupby('group_id')]
   

调整拆分逻辑的小技巧： #

如果你的需求是“前一行满足条件时拆分当前行及之后的内容”，只需要把split_flag的生成代码改成下面这样就行：

df['split_flag'] = (df['count'].shift() > 1) | (df['Time'].shift() > 100)
# 注意：第一行没有前一行，所以会是NaN，我们可以把它设为0，确保第一行属于第一个分组
df['split_flag'] = df['split_flag'].fillna(0).astype(int)
df['group_id'] = df['split_flag'].cumsum()

你可以试试这个方法，有问题随时告诉我哦！

备注：内容来源于stack exchange，提问作者Brian Hamilton