使用Python Pandas通过循环将Dataframe拆分为独立Dataframe

没问题，这个需求用pandas的groupby配合循环就能轻松实现，这里给你两种常用的方案，按需选择：

方法1：直接生成全局命名的Dataframe（如df_joe、df_mary） #

这种方法会直接在全局环境中创建以df_{name}命名的独立Dataframe，适合分组数量不多、想直接通过变量名调用的场景。

完整代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'name': ['joe', 'mary', 'pete', 'mary', 'pete', 'joe'],
    'color': ['yellow', 'green', 'blue', 'red', 'blue', 'orange'],
    'value': [7.0, 9.0, 8.0, 8.8, 7.7, 2.0]
}
df = pd.DataFrame(data)

# 自动拆分并生成全局变量
for name, group in df.groupby('name'):
    # 用f-string拼接变量名，通过globals()创建全局变量
    globals()[f'df_{name}'] = group

# 验证结果
print("df_joe的内容：")
print(df_joe)
print("\ndf_mary的内容：")
print(df_mary)

运行后你就能直接通过df_joe、df_mary、df_pete这些变量访问对应的数据了。

方法2：用字典统一存储分组后的Dataframe（更推荐） #

如果你的分组数量较多，或者想更规范地管理这些拆分后的Dataframe，用字典存储是更好的选择——它不会污染全局变量空间，还能方便地遍历所有分组。

完整代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'name': ['joe', 'mary', 'pete', 'mary', 'pete', 'joe'],
    'color': ['yellow', 'green', 'blue', 'red', 'blue', 'orange'],
    'value': [7.0, 9.0, 8.0, 8.8, 7.7, 2.0]
}
df = pd.DataFrame(data)

# 创建字典存储所有分组后的Dataframe
grouped_dfs = {}
for name, group in df.groupby('name'):
    grouped_dfs[name] = group

# 访问指定分组的Dataframe
print("joe的数据：")
print(grouped_dfs['joe'])
print("\nmary的数据：")
print(grouped_dfs['mary'])

# 遍历所有分组
print("\n所有分组数据：")
for name, group_df in grouped_dfs.items():
    print(f"\n--- {name} 的数据 ---")
    print(group_df)

两种方法的核心逻辑 #

不管用哪种方法，核心都是df.groupby('name')——它会自动把原Dataframe按name列的值分成多个组，每个组对应一个同名的子Dataframe。然后通过循环遍历这些组，把每个组的Dataframe赋值给对应的变量或字典键即可。

内容的提问来源于stack exchange，提问作者Windstorm1981