Python 修改循环中的数据帧

给定此数据帧：

import pandas as pd
df=pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
df
    A   B   C
0   1   4   7
1   2   5   8
2   3   6   9

我想创建3个新的数据帧；每列一个。 我可以这样一次做一个：

a=pd.DataFrame(df[['A']])
a
    A
0   1
1   2
2   3

但我不想对每一列都这样做，而是希望在循环中这样做

以下是我尝试过的：

a=b=c=df.copy()
dfs=[a,b,c]
fields=['A','B','C']
for d,f in zip(dfs,fields):
    d=pd.DataFrame(d[[f]])

…但当我打印每一个数据框时，我得到的是整个原始数据框，而不仅仅是感兴趣的列

a
        A   B   C
    0   1   4   7
    1   2   5   8
    2   3   6   9

更新： 我的实际数据帧将有一些我不需要的列，并且这些列不会以任何顺序排列，因此我需要能够按名称获取这些列

---

提前谢谢

您应该使用

loc

a = df.loc[:,0]

然后像这样循环

for i in range(df.columns.size):
   dfs[i] = df.loc[:, i]

---

您应该使用

loc

a = df.loc[:,0]

然后像这样循环

for i in range(df.columns.size):
   dfs[i] = df.loc[:, i]

---

简单的列表理解就足够了

In [68]: df_list = [df[[x]] for x in df.columns]

打印出列表，您将得到以下结果：

In [69]: for d in df_list:
    ...:     print(d)
    ...:     print('-' * 5)
    ...:     
   A
0  1
1  2
2  3
-----
   B
0  4
1  5
2  6
-----
   C
0  7
1  8
2  9
-----

---

df_list

中的每个元素都是自己的数据帧，对应于原始数据帧中的每个数据帧。此外，您甚至不需要

字段

，而是使用

df.columns

。

简单的列表理解就足够了

In [68]: df_list = [df[[x]] for x in df.columns]

打印出列表，您将得到以下结果：

In [69]: for d in df_list:
    ...:     print(d)
    ...:     print('-' * 5)
    ...:     
   A
0  1
1  2
2  3
-----
   B
0  4
1  5
2  6
-----
   C
0  7
1  8
2  9
-----

---

df_list

中的每个元素都是自己的数据帧，对应于原始数据帧中的每个数据帧。此外，您甚至不需要

字段

，而是使用

df.columns

。

或者您可以尝试这样做，而是创建

df

的副本，此方法将返回单个

数据帧

，而不是

列表

，但是，我认为将

数据帧

保存到列表中更好

dfs=['a','b','c']
fields=['A','B','C']
variables = locals()
for d,f in zip(dfs,fields):
    variables["{0}".format(d)] = df[[f]]

a
Out[743]: 
   A
0  1
1  2
2  3
b
Out[744]: 
   B
0  4
1  5
2  6
c
Out[745]: 
   C
0  7
1  8
2  9

---

或者您可以尝试此方法，而不是创建

df

的副本，此方法将返回单个

Dataframe

，而不是

list

，但是，我认为将

Dataframe

保存到列表中更好

dfs=['a','b','c']
fields=['A','B','C']
variables = locals()
for d,f in zip(dfs,fields):
    variables["{0}".format(d)] = df[[f]]

a
Out[743]: 
   A
0  1
1  2
2  3
b
Out[744]: 
   B
0  4
1  5
2  6
c
Out[745]: 
   C
0  7
1  8
2  9

---

考虑到您可以直接在列上进行迭代，这太过分了。使用

df.loc

。啊，好的，你的答案更好。考虑到你可以直接在列上迭代，这太过分了。使用

df.loc

。啊，好的，是的，你的答案更好。下面的问题贴在这里：后续问题贴在这里：