Python中DataFrame子集化报错求助：按Group列拆分DataFrame

嘿，我来帮你搞定这个把DataFrame按Group拆分成多个子DataFrame的需求😉

首先先把你的输入数据还原出来，方便我们测试：

import pandas as pd

# 你的输入DataFrame df0
data = {
    'Index': [1, 2, 3, 4, 5],
    'Group': ['A', 'A', 'B', 'C', 'C'],
    'Value': [10.0, 15.0, 20.0, 10.0, 10.0]
}
df0 = pd.DataFrame(data).set_index('Index')

# 查看数据类型
print(df0.dtypes)
# 输出：
# Group     object
# Value    float64
# dtype: object

接下来给你三种不同的解决方案，按需选择：

方案1：手动拆分（适合分组少的场景） #

如果你的Group只有A、B、C这几个，直接写条件筛选最直观，不容易出错：

df1 = df0[df0['Group'] == 'A']
df2 = df0[df0['Group'] == 'B']
df3 = df0[df0['Group'] == 'C']

方案2：自动生成变量（适合分组多的场景） #

如果后续Group可能增加，不想手动写每个筛选条件，可以用循环动态生成对应的df变量：

# 获取所有唯一的Group值
unique_groups = df0['Group'].unique()

# 遍历分组，从df1开始命名
for idx, group_name in enumerate(unique_groups, start=1):
    # 用globals()动态创建全局变量
    globals()[f'df{idx}'] = df0[df0['Group'] == group_name]

# 验证一下df1的结果
print(df1)
# 输出：
#       Group  Value
# Index             
# 1         A   10.0
# 2         A   15.0

方案3：用字典管理分组（最推荐） #

动态生成全局变量容易出现变量名冲突或者不好管理的问题，更推荐把分组后的DataFrame存在字典里，通过键名访问：

# 用groupby直接生成分组字典
grouped_dfs = {group: frame for group, frame in df0.groupby('Group')}

# 想要哪个分组直接取键就行
df1 = grouped_dfs['A']
df2 = grouped_dfs['B']
df3 = grouped_dfs['C']

# 甚至可以直接遍历字典操作所有分组
for group_name, sub_df in grouped_dfs.items():
    print(f"分组 {group_name} 的数据：")
    print(sub_df)

可能的报错排查 #

如果之前的代码报错，大概率是这几个原因：

• 筛选条件写错了，比如把Group拼写成group（Pandas是大小写敏感的）
• 用groupby的时候没指定列名，比如写成df0.groupby()而不是df0.groupby('Group')
• 动态生成变量时，变量名格式不对，比如没用到字符串格式化

内容的提问来源于stack exchange，提问作者Dr. Mantis Tobbogan