在python中创建循环中的新数据帧

我一直在从事一个项目，我陷入了这样一种情况：我需要从一个字符串列表中创建多个数据帧，方法是从另一个数据帧中筛选字符串列表的值，该数据帧的列包含列表中相同的值。我正在编写以下代码：

df = pd.DataFrame({'A': range(1, 5), 'B': np.random.randn(4), 'C':['A',A','B','C']}
list = df.C.unique()
list = list.tolist()
for r in list:
exec('df_{}=df[df.C=={}]'.format(r))

---

这引发了一个错误，称为“元组索引超出范围”。有人能帮我一下吗？

我建议使用

dict

，因为它比

exec

更安全：

uniqueC = df.C.unique()

dfs = {'df_{}'.format(r): df[df.C==r] for r in uniqueC}

现在，当您需要某个数据帧时，只需调用：

dfs['df_A']
#   A         B  C
#0  1  1.755507  A
#1  2 -0.371027  A

---

使用字典查找可变数量的变量。您可以在词典理解中使用

groupby

：

dfs = {k: v for k, v in df.groupby('C')}

print(dfs['B'])

   A         B  C
2  3 -0.785257  B

我建议你不要这样做：

在内置后命名变量，例如，不要将

list

用作变量名

由于安全缺陷，请使用

exec

忘记为循环缩进任何

。缩进在Python中很重要

您可以将对象转换为

tuple

s，然后再转换为

dict

s：

d = dict(tuple(df.groupby('C')))

---

---

我的最佳猜测是您打算编写

.format（r，r）

，但这仍然会引发错误。您必须更详细地了解代码的预期输出。@lit-答案已更改。非常感谢。对我有用。谢谢你的提示！：）

d = dict(tuple(df.groupby('C')))
print (d['A'])
   A         B  C
0  1  0.670449  A
1  2 -1.265135  A

print (d['B'])
   A        B  C
2  3 -0.35891  B

print (d['C'])
   A         B  C
3  4  0.651704  C