Python 基于空行将数据帧拆分为多个较小的数据帧

我有一个csv文件，格式如下：

Header 1, Header 2, Header 3
''          ''        ''
value 1,  value2,   value 3
value 1,  value2,   value 3
value 1,  value2,   value 3
''          ''        ''
value 1,  value 2,   value 3
value 1,  value 2,   value 3
value 1,  value 2,   value 3
 ''          ''        ''

我可以将其读入一个数据帧，但是由表示为的空行包围的段需要单独处理。基于空行之间的数据帧，将它们划分为更小的数据帧的最简单方法是什么？我有相当多的这些部分要经历

将它们划分为更小的数据帧会更容易，还是在处理后从原始数据帧中删除该段会更容易

编辑：

IanS的回答是正确的，但在我的例子中，我的一些文件在空行中没有引号，因此类型不是字符串。我对他的回答做了一点修改，这对他们很有效：

df['counter'] = (df['Header 1'].isnull()).cumsum()
df = df[df['Header 1'].isnull() == False]  # remove empty rows
df.groupby('counter').apply(lambda df: df.iloc[0])

---

我认为您可以通过查找空行，创建计数器序列，然后在循环中获得小数据帧：

如果需要，可以创建数据帧字典：

---

最简单的方法是添加一个计数器，每次遇到空行时计数器都会递增。然后，您可以通过groupby获得您的单个数据帧

最后一行将处理函数分别应用于每个数据帧，我只是举了一个虚拟示例

---

请注意，此处对空行的确切条件测试df['Header1']==应根据您的具体情况进行调整。

最简单的方法是添加一个计数器，每次遇到空行时计数器都会递增。然后，您可以通过df.groupby'counter'获得您的单个数据帧。如果你感兴趣的话，我可以写一个答案。这是个好主意，我会试着在我这边写，但如果你写你的，我会接受它作为答案

print df['Header 1'].str.contains("''").cumsum()
0    1
1    1
2    1
3    1
4    2
5    2
6    2
7    2
8    3
Name: Header 1, dtype: int32

for idx, group in df.groupby(df['Header 1'].str.contains("''").cumsum()):
    print idx
    print group[1:]
1
  Header 1  Header 2    Header 3
1  value 1    value2     value 3
2  value 1    value2     value 3
3  value 1    value2     value 3
2
  Header 1   Header 2    Header 3
5  value 1    value 2     value 3
6  value 1    value 2     value 3
7  value 1    value 2     value 3
3
Empty DataFrame
Columns: [Header 1,  Header 2,  Header 3]
Index: []

dfs = {}
for idx, group in df.groupby(df['Header 1'].str.contains("''").cumsum()):
    dfs.update({idx:group[1:]})

df['counter'] = (df['Header1'] == "''").cumsum()
df = df[df['Header1'] != "''"]  # remove empty rows
df.groupby('counter').apply(lambda df: df.iloc[0])