使用groupby根据列中的值拆分pandas数据框

问题描述：

我想根据 ZZ 列拆分以下数据框

df = 
        N0_YLDF  ZZ        MAT
    0  6.286333   2  11.669069
    1  6.317000   6  11.669069
    2  6.324889   6  11.516454
    3  6.320667   5  11.516454
    4  6.325556   5  11.516454
    5  6.359000   6  11.516454
    6  6.359000   6  11.516454
    7  6.361111   7  11.516454
    8  6.360778   7  11.516454
    9  6.361111   6  11.516454

作为输出，我想要一个新的，将DataFrame列N0_YLDF拆分为 4 个，每个唯一值对应一个新列ZZ。我该怎么做？我可以执行 groupby，但不知道如何处理分组对象。

解决方案 1：

gb = df.groupby('ZZ')    
[gb.get_group(x) for x in gb.groups]

解决方案 2：

还有另一种选择，因为 groupby 返回一个生成器，我们可以简单地使用列表推导来检索第二个值（框架）。

dfs = [x for _, x in df.groupby('ZZ')]

解决方案 3：

在 R 中，有一个名为 split 的数据框方法。这适用于所有 R 用户：

def split(df, group):
     gb = df.groupby(group)
     return [gb.get_group(x) for x in gb.groups]

解决方案 4：

将它们存储在中dict，这样您就可以根据组键访问组 DataFrames。

d = dict(tuple(df.groupby('ZZ')))
d[6]

#    N0_YLDF  ZZ        MAT
#1  6.317000   6  11.669069
#2  6.324889   6  11.516454
#5  6.359000   6  11.516454
#6  6.359000   6  11.516454
#9  6.361111   6  11.516454

如果您只需要 DataFrame 的一个子集（在本例中只需要'NO_YLDF'Series），您可以修改字典理解。

d = dict((idx, gp['N0_YLDF']) for idx, gp in df.groupby('ZZ'))
d[6]
#1    6.317000
#2    6.324889
#5    6.359000
#6    6.359000
#9    6.361111
#Name: N0_YLDF, dtype: float64

解决方案 5：

您可以迭代唯一值并使用loc或获取组query：

[df.loc[df['ZZ'] == i] for i in df['ZZ'].unique()]

或者

[df.query('ZZ == @i') for i in df['ZZ'].unique()]

解决方案 6：

添加用户 qwwqwwq 的回答：

gb = df.groupby('ZZ')
df_six = gb.get_group("6") #to create another dataframe with ZZ = 6
df_one = gb.get_group("7") #to create another dataframe with ZZ = 7