Python 创建具有连续名称的多数据帧

如何缩短下面的代码？ 我知道这是一种愚蠢的编码方式，但我不确定如何创建df0、df1、df2。。。数据帧并将它们全部保存为变量。然后将它们合并为一个df。 例如： mylist=['ABC22'、'ABN33'、'ABM44'、

df0 = data[data['ID'] == mylist[0]]
df1 = data[data['ID'] == mylist[1]]
df2 = data[data['ID'] == mylist[2]]
df3 = data[data['ID'] == mylist[3]]
df4 = data[data['ID'] == mylist[4]]
df5 = data[data['ID'] == mylist[5]]
df6 = data[data['ID'] == mylist[6]]
df7 = data[data['ID'] == mylist[7]]
df8 = data[data['ID'] == mylist[8]]
df9 = data[data['ID'] == mylist[9]]
df10 = data[data['ID'] == mylist[10]]
df11 = data[data['ID'] == mylist[11]]
df12 = data[data['ID'] == mylist[12]]
df13 = data[data['ID'] == mylist[13]]
df14 = data[data['ID'] == mylist[14]]
result0 = run_stage_one(df0, CurrentKeywordList)
result1 = run_stage_one(df1, CurrentKeywordList)
result2 = run_stage_one(df2, CurrentKeywordList)
result3 = run_stage_one(df3, CurrentKeywordList)
result4 = run_stage_one(df4, CurrentKeywordList)
result5 = run_stage_one(df5, CurrentKeywordList)
result6 = run_stage_one(df6, CurrentKeywordList)
result7 = run_stage_one(df7, CurrentKeywordList)
result8 = run_stage_one(df8, CurrentKeywordList)
result9 = run_stage_one(df9, CurrentKeywordList)
result10 = run_stage_one(df10, CurrentKeywordList)
result11 = run_stage_one(df11, CurrentKeywordList)
result12 = run_stage_one(df12, CurrentKeywordList)
result13 = run_stage_one(df13, CurrentKeywordList)
result14 = run_stage_one(df14, CurrentKeywordList)
Merged_df = pd.concat([result0, result1, result2, result3 , result4, result5, result6, result7,
                       result8, result9, result10, result11, result12, result13, result14], ignore_index=True)
Analysis = CategorizingOutput(Merged_df) here

---

我不得不猜测你想做的事情的某些部分，但我认为这样做会奏效

data2=data.loc[data['ID'].isin（mylist），：]
合并的_df=pd.concat([
运行第一阶段（df，CurrentKeywordList）
对于ID，数据2中的df.groupby（'ID'））
])
分析=分类输出（合并）

---

我忽略了对于df0，您使用的是ApplicationID，而对于其余部分，它只是ID。

我不得不猜测您正在尝试做的某些部分，但我认为类似的操作会起作用

data2=data.loc[data['ID'].isin（mylist），：]
合并的_df=pd.concat([
运行第一阶段（df，CurrentKeywordList）
对于ID，数据2中的df.groupby（'ID'））
])
分析=分类输出（合并）

---

我忽略了对于df0，您使用了ApplicationID，而对于其余部分，它只是ID。

假设

ID

是

ApplicationID

的缩写，并且来自数据的所有ID都在“mylist”中

result = [run_stage_one(dfi, CurrentKeywordList)
    for id, dfi in data.groupby('ApplicationId')]

---

然后合并等等…

假设

ID

是

ApplicationId

的缩写，并且数据中的所有ID都在“mylist”中

result = [run_stage_one(dfi, CurrentKeywordList)
    for id, dfi in data.groupby('ApplicationId')]

---

然后合并等等…

是

ApplicationID

在

[0]

而

ID

在其他位置故意的吗？为什么不在mylist中的值上迭代，在循环中子集您的数据帧并将该变量保存到另一个列表中，然后在最后使用pd.concat？你能把这个例子简化一点，使它重现吗？我不确定mylist、CurrentKeywordList和CategorizingOutput的内容是什么。@QuangHoang不，我已经更新了代码，这是我的问题，有任何答案有帮助吗？是

ApplicationID

位于

[0]

而

ID

位于其他位置是有意的吗？为什么不只是迭代mylist中的值，在循环中，将您的数据帧子集并将该变量保存到另一个列表中，然后在最后使用pd.concat？您能否将示例简化一点以使其可复制？我不确定mylist、CurrentKeywordList和CategorizingOutput的内容。@QuangHoang不，我已经更新了代码，那是我的badhi，有任何答案有用吗？