我有一个巨大的csv，包含很多行的许多表。我想简单地将每个数据帧拆分为2，如果它包含超过10行。
如果为true，我希望第一个数据帧包含前10个数据帧，其余数据帧包含第二个数据帧。
这是否有方便的功能？我环顾四周但没有发现任何有用的东西......
即。 split_dataframe（df，2（if＆gt; 10））？
答案 0 :(得分：18)
如果满足条件，这将返回拆分的DataFrame，否则返回原始文件和None（然后您需要单独处理）。请注意，这假设分割只需要每df发生一次，并且拆分的第二部分（如果长度超过10行（意味着原始长度超过20行））就可以了。< / p>
df_new1, df_new2 = df[:10, :], df[10:, :] if len(df) > 10 else df, None
请注意，您也可以根据需要使用df.head(10)和df.tail(len(df) - 10)来获取正面和背面。您还可以使用各种索引方法：您可以根据需要提供第一个维度索引，例如df[:10]而不是df[:10, :]（尽管我喜欢明确地编写您正在考虑的维度）。您也可以使用df.iloc和df.ix以类似方式进行索引。
谨慎使用df.loc，因为it is label-based and the input will never be interpreted as an integer position。 .loc只会在您碰巧拥有从0开始且没有间隙的整数的索引标签时“意外”工作。
但是您还应该考虑pandas提供的各种选项，用于将DataFrame的内容转储为HTML，还可能考虑LaTeX，以便为演示文稿制作更好的表格（而不仅仅是复制和粘贴）。只需谷歌搜索如何将DataFrame转换为这些格式，就可以为这个应用程序提供大量的教程和建议。
答案 1 :(得分：13)
没有特定的便利功能。
你必须做类似的事情：
first_ten = pd.DataFrame()
rest = pd.DataFrame()
if df.shape[0] > 10: # len(df) > 10 would also work
first_ten = df[:10]
rest = df[10:]
答案 2 :(得分：5)
我用这个List Comprehensions将一个巨大的df切成100'000的块：
size = 100000
list_of_dfs = [df.loc[i:i+size-1,:] for i in range(0, len(df),size)]
或作为生成器：
list_of_dfs = (df.loc[i:i+size-1,:] for i in range(0, len(df),size))
答案 3 :(得分：2)
基于np.split的方法：
df = pd.DataFrame({ 'A':[2,4,6,8,10,2,4,6,8,10],
'B':[10,-10,0,20,-10,10,-10,0,20,-10],
'C':[4,12,8,0,0,4,12,8,0,0],
'D':[9,10,0,1,3,np.nan,np.nan,np.nan,np.nan,np.nan]})
listOfDfs = [df.loc[idx] for idx in np.split(df.index,5)]
使用模数的小函数可以处理拆分不均匀的情况（例如np.split(df.index,4)会抛出错误）。
（是的，我知道原来的问题比这更具体。但是，这应该回答标题中的问题。）
答案 4 :(得分：1)
您可以使用DataFrame head和tail方法作为语法糖而不是切片/ loc。我使用3的分割大小;对于您的示例，请使用headSize = 10
def split(df, headSize) :
hd = df.head(headSize)
tl = df.tail(len(df)-headSize)
return hd, tl
df = pd.DataFrame({ 'A':[2,4,6,8,10,2,4,6,8,10],
'B':[10,-10,0,20,-10,10,-10,0,20,-10],
'C':[4,12,8,0,0,4,12,8,0,0],
'D':[9,10,0,1,3,np.nan,np.nan,np.nan,np.nan,np.nan]})
# Split dataframe into top 3 rows (first) and the rest (second)
first, second = split(df, 3)
答案 5 :(得分：1)
下面是一个简单的函数实现，它将DataFrame分为多个块和一些代码示例：
import pandas as pd
def split_dataframe_to_chunks(df, n):
df_len = len(df)
count = 0
dfs = []
while True:
if count > df_len-1:
break
start = count
count += n
#print("%s : %s" % (start, count))
dfs.append(df.iloc[start : count])
return dfs
# Create a DataFrame with 10 rows
df = pd.DataFrame([i for i in range(10)])
# Split the DataFrame to chunks of maximum size 2
split_df_to_chunks_of_2 = split_dataframe_to_chunks(df, 2)
print([len(i) for i in split_df_to_chunks_of_2])
# prints: [2, 2, 2, 2, 2]
# Split the DataFrame to chunks of maximum size 3
split_df_to_chunks_of_3 = split_dataframe_to_chunks(df, 3)
print([len(i) for i in split_df_to_chunks_of_3])
# prints [3, 3, 3, 1]
答案 6 :(得分：0)
如果您有一个大型数据框并且需要划分为可变数量的子数据帧行，例如每个子数据帧最多有4500行，则此脚本可以提供帮助：
max_rows = 4500
dataframes = []
while len(df) > max_rows:
top = df[:max_rows]
dataframes.append(top)
df = df[max_rows:]
else:
dataframes.append(df)
然后您可以保存这些数据框：
for _, frame in enumerate(dataframes):
frame.to_csv(str(_)+'.csv', index=False)
希望这有助于某人！
答案 7 :(得分：0)
基于列表理解和groupby的方法，该方法将所有拆分的数据帧存储在列表变量中，并且可以使用索引进行访问。
示例：
ans = [pd.DataFrame(y) for x, y in DF.groupby('column_name', as_index=False)]***
ans[0]
ans[0].column_name
答案 8 :(得分：0)
def split_and_save_df(df, name, size, output_dir):
"""
Split a df and save each chunk in a different csv file.
Parameters:
df : pandas df to be splitted
name : name to give to the output file
size : chunk size
output_dir : directory where to write the divided df
"""
import os
for i in range(0, df.shape[0],size):
start = i
end = min(i+size-1, df.shape[0])
subset = df.loc[start:end]
output_path = os.path.join(output_dir,f"{name}_{start}_{end}.csv")
print(f"Going to write into {output_path}")
subset.to_csv(output_path)
output_size = os.stat(output_path).st_size
print(f"Wrote {output_size} bytes")