如何根据DataFrame中sex列的二分类值高效拆分数据？

嗨，这事儿用Pandas处理起来超简单，而且效率拉满，给你两种实用的方法：

方法1：布尔索引直接筛选（最直观） #

这是最直接的方式，利用Pandas的矢量化布尔索引快速筛选行，代码简洁且效率高：

import pandas as pd

# 构造你的原始DataFrame（模拟数据）
data = {
    'SEX': [0, 1, 1, 0, 0],
    'X1': [15, 12, 14, 12, 11],
    'X2': [91, 92, 94, 91, 95],
    'X3': [12, 32, 12, 42, 12],
    'X4': [25, 35, 45, 15, 25]
}
OriginalDF = pd.DataFrame(data)

# 按SEX值拆分
DF1 = OriginalDF[OriginalDF['SEX'] == 0]
DF2 = OriginalDF[OriginalDF['SEX'] == 1]

这个方法的优势是代码易懂，上手快，对于二元变量的场景完全够用，而且Pandas的布尔索引是底层优化过的，比自己写循环快得多。如果之后需要修改新生成的DataFrame，建议加上.copy()来避免SettingWithCopyWarning，比如：

DF1 = OriginalDF[OriginalDF['SEX'] == 0].copy()

方法2：groupby分组（适合多类别扩展） #

如果你的SEX变量之后可能有更多取值，或者想一次性处理所有分组，用groupby会更灵活：

# 按SEX分组
groups = OriginalDF.groupby('SEX')

# 提取对应分组的DataFrame
DF1 = groups.get_group(0)
DF2 = groups.get_group(1)

groupby会一次性把所有不同的SEX值都分好组，后续如果要新增类别，直接用get_group提取就行，不用再写多个筛选条件，同样是Pandas优化过的操作，效率没问题。

两种方法都能高效实现你的需求，根据自己的场景选就行~

内容的提问来源于stack exchange，提问作者Sharma Ji