如何对Pandas DataFrame按第3列分组，提取对应第2列数据？

看起来你之前的代码思路走偏啦，咱们先理清楚需求：你想要按源DataFrame中列索引为3的列（也就是你说的“第3列”）的不同取值进行分组，每个分组只保留列索引为2和3的两列数据，生成对应的子DataFrame，对吧？

问题出在哪？ #

你之前写的这段代码逻辑不对：

group = e1[3][2] == "group"
print (e1[group])

e1[3][2]是取列3的第2行单个元素，和字符串"group"比较只会得到一个布尔值，用这个去索引DataFrame当然得不到你要的分组结果啦。

正确的实现方法 #

这里给你两种好用的方式，按需选择：

方式1：生成命名的子DataFrame（比如DF_38、DF_39）

如果你想直接把每个分组存成单独的变量，可以用groupby配合遍历，同时给每个子DataFrame命名：

import pandas as pd

# 假设你的源数据已经是DataFrame格式的e1
# 按列3进行分组
groups = e1.groupby(3)

# 遍历每个分组，生成对应子DataFrame
for group_value, sub_df in groups:
    # 只保留需要的列2和列3
    target_sub_df = sub_df[[2, 3]]
    # 动态创建变量，比如列3值为38的话，变量名就是DF_38
    globals()[f"DF_{group_value}"] = target_sub_df
    # 打印查看结果
    print(f"DF_{group_value}:")
    print(target_sub_df)

方式2：用字典管理所有子DataFrame（更推荐）

如果分组很多，用全局变量会很乱，把所有子DataFrame存在字典里更整洁：

import pandas as pd

groups = e1.groupby(3)
grouped_dfs = {}

for group_value, sub_df in groups:
    grouped_dfs[group_value] = sub_df[[2, 3]]

# 想要查看某组数据直接通过键取值，比如查看列3为39的子DataFrame
print("DF_39:")
print(grouped_dfs[39])

效果示例 #

比如针对你源数据中列3为39的行，生成的子DataFrame会是这样：

2   3
0  -67  39
1  -72  39
5  -67  39
26 -71  39
27 -71  39
29 -71  39

完全符合你想要的格式~

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