如何根据列值将大熊猫数据框划分为较小的数据框？

Question

我希望基于'z'值将数据帧拆分为较小的dfs。 在这种情况下，我只想在零（z列）之间取2来作为2 dfs。 即Dataframe1：01/10/2018 0:30-1/10/2018 1:20   和 数据帧2：01/10/2018 2:00-1/10/2018 2:40

对于较大的数据集，如何循环执行此操作？ 丢弃零，仅在两者之间插入。

Answer 1

在这里，我有一个样本数据集，其中包含两列和少量样本行。我已根据条件（col2可被3整除并按其剩余值排列）将这个数据帧分为三个新数据帧。

from datetime import datetime, timedelta
import numpy as np
import pandas as pd

data = pd.DataFrame({'Col1':np.arange(datetime(2018,1,1),datetime(2018,1,12),timedelta(days=1)).astype(datetime),'Col2':np.arange(1,12,1)})
print('Data:')
print(data)

# split dataframe into three dataframes based on the col2 divisible by 3 
# col2 % 3 == 0 then data_0
# col2 % 3 == 1 then data_1
# col2 % 3 == 2 then data_2
data_0, data_1, data_2 = data[data['Col2']%3==0], data[data['Col2']%3==1],data[data['Col2']%3==2]
print('Data_0:')
print(data_0)
print('Data_1:')
print(data_1)
print('Data_2:')
print(data_2)

生成的输出为：

Data:
         Col1  Col2
0  2018-01-01     1
1  2018-01-02     2
2  2018-01-03     3
3  2018-01-04     4
4  2018-01-05     5
5  2018-01-06     6
6  2018-01-07     7
7  2018-01-08     8
8  2018-01-09     9
9  2018-01-10    10
10 2018-01-11    11
Data_0:
        Col1  Col2
2 2018-01-03     3
5 2018-01-06     6
8 2018-01-09     9
Data_1:
        Col1  Col2
0 2018-01-01     1
3 2018-01-04     4
6 2018-01-07     7
9 2018-01-10    10
Data_2:
         Col1  Col2
1  2018-01-02     2
4  2018-01-05     5
7  2018-01-08     8
10 2018-01-11    11

希望，这可能会对您有所帮助。

Answer 2

您可以使用groupby。

grouped = df.groupby('z')    
dataframes = [grouped.get_group(x) for x in grouped.groups]#list of DataFrames