Pandas中如何访问分组列表里每个DataFrame的指定列？

嘿，我明白你遇到的困扰了！你之前的写法行不通，核心是对GroupBy对象的迭代逻辑理解有点偏差，我来一步步帮你搞定：

问题根源 #

当你遍历grouped（GroupBy对象）时，循环变量i其实是每个分组的名称（也就是categories列的各个取值，比如"A"、"B"这类分类值），而不是索引。而且grouped[i]并不是用来获取对应分组DataFrame的正确方式——GroupBy对象的索引访问是用来选取列的，不是分组。

正确的解决方法 #

方法1：直接遍历GroupBy对象（推荐） #

GroupBy对象迭代时，会返回(分组名称, 对应分组DataFrame)的元组，我们可以直接解构这个元组，轻松提取每个分组的vals列：

# 解构元组，直接获取分组的DataFrame并提取列
my_array = [group["vals"] for name, group in grouped]

这样得到的my_array就是由每个分组的vals列（Series类型）组成的列表。

方法2：先转成列表再处理 #

如果你已经把grouped转成了列表（比如group_list = list(grouped)），那列表里的每个元素都是(分组名称, 分组DataFrame)的元组，你可以这样操作：

group_list = list(grouped)
# 方式a：通过索引取DataFrame部分
my_array = [group[1]["vals"] for group in group_list]
# 方式b：解构元组（代码更清晰易读）
my_array = [g["vals"] for _, g in group_list]

方法3：用get_group（适合单独获取特定分组） #

如果你想通过分组名称来精准获取对应列，可以用get_group方法，不过遍历所有分组的话效率不如前两种：

# 先获取所有分组的名称
group_names = grouped.groups.keys()
# 逐个获取分组并提取列
my_array = [grouped.get_group(name)["vals"] for name in group_names]

示例验证 #

我们用一个简单的测试数据来验证效果：

import pandas as pd

# 构造测试DataFrame
df = pd.DataFrame({
    "categories": ["A", "A", "B", "B", "C"],
    "vals": [10, 20, 30, 40, 50]
})

# 执行分组操作
grouped = df.groupby("categories")

# 使用方法1提取列
my_array = [group["vals"] for name, group in grouped]

# 打印结果查看
for idx, series in enumerate(my_array):
    print(f"分组{idx+1}的vals列:\n{series}\n")

输出结果会是：

分组1的vals列:
0    10
1    20
Name: vals, dtype: int64

分组2的vals列:
2    30
3    40
Name: vals, dtype: int64

分组3的vals列:
4    50
Name: vals, dtype: int64

内容的提问来源于stack exchange，提问作者David