在Python中多次拆分数据帧的有效方法？

我目前有一个

pandas

DataFrame

df

，大小为168078行×43列。

df

的摘要如下所示：

              doi                           gender       order       year       ...       count
9384155       10.1103/PRL.102.039801        male         1           2009       ...       1
...
3679211       10.1103/PRD.69.024009         male         2           2004       ...       501

df

当前按

count

排序，因此从1到501不等

我想通过按计数将

df

拆分为501个较小的子数据。换句话说，在过程结束时，我将有501个不同的子

df

，每个特征

count

值

由于生成的（期望的）数据帧的数量相当高，而且是定量数据，我想知道：

a） 可以多次拆分数据帧（如果是，那么如何拆分），以及

---

b） 可以对每个数据帧进行定量命名，而无需手动分配501次名称；i、 例如，

df

与

count==1

将是

df.1

，而无需分配它。

您可以做的最佳实践是创建数据帧字典。下面我向您展示一个示例：

df=pd.DataFrame({'A':[4,5,6,7,7,5,4,5,6,7],
                 'count':[1,2,3,4,5,6,7,8,9,10],
                 'C':['a','b','c','d','e','f','g','h','i','j']})
print(df)

   A  count  C
0  4      1  a
1  5      2  b
2  6      3  c
3  7      4  d
4  7      5  e
5  5      6  f
6  4      7  g
7  5      8  h
8  6      9  i
9  7     10  j

---

现在我们创建字典。如您所见，键是每行中count的值。 请记住，此处用于在有两行具有相同计数值的情况下，在同一字典中创建它们

dfs={key:df[df['count']==key] for key in df['count'].unique()}

---

下面我将展示创建的整个词典的内容以及如何访问它：

for key in dfs:
    print(f'dfs[{key}]')
    print(dfs[key])
    print('-'*50)


dfs[1]
   A  count  C
0  4      1  a
--------------------------------------------------
dfs[2]
   A  count  C
1  5      2  b
--------------------------------------------------
dfs[3]
   A  count  C
2  6      3  c
--------------------------------------------------
dfs[4]
   A  count  C
3  7      4  d
--------------------------------------------------
dfs[5]
   A  count  C
4  7      5  e
--------------------------------------------------
dfs[6]
   A  count  C
5  5      6  f
--------------------------------------------------
dfs[7]
   A  count  C
6  4      7  g
--------------------------------------------------
dfs[8]
   A  count  C
7  5      8  h
--------------------------------------------------
dfs[9]
   A  count  C
8  6      9  i
--------------------------------------------------
dfs[10]
   A  count  C
9  7     10  j
--------------------------------------------------

---

您可以做的最佳实践是创建数据帧字典。下面我向您展示一个示例：

df=pd.DataFrame({'A':[4,5,6,7,7,5,4,5,6,7],
                 'count':[1,2,3,4,5,6,7,8,9,10],
                 'C':['a','b','c','d','e','f','g','h','i','j']})
print(df)

   A  count  C
0  4      1  a
1  5      2  b
2  6      3  c
3  7      4  d
4  7      5  e
5  5      6  f
6  4      7  g
7  5      8  h
8  6      9  i
9  7     10  j

---

现在我们创建字典。如您所见，键是每行中count的值。 请记住，此处用于在有两行具有相同计数值的情况下，在同一字典中创建它们

dfs={key:df[df['count']==key] for key in df['count'].unique()}

---

下面我将展示创建的整个词典的内容以及如何访问它：

for key in dfs:
    print(f'dfs[{key}]')
    print(dfs[key])
    print('-'*50)


dfs[1]
   A  count  C
0  4      1  a
--------------------------------------------------
dfs[2]
   A  count  C
1  5      2  b
--------------------------------------------------
dfs[3]
   A  count  C
2  6      3  c
--------------------------------------------------
dfs[4]
   A  count  C
3  7      4  d
--------------------------------------------------
dfs[5]
   A  count  C
4  7      5  e
--------------------------------------------------
dfs[6]
   A  count  C
5  5      6  f
--------------------------------------------------
dfs[7]
   A  count  C
6  4      7  g
--------------------------------------------------
dfs[8]
   A  count  C
7  5      8  h
--------------------------------------------------
dfs[9]
   A  count  C
8  6      9  i
--------------------------------------------------
dfs[10]
   A  count  C
9  7     10  j
--------------------------------------------------

---

您可以使用groupby获得如下结果 在这里

g.groups

：将为每个组提供组名（组id）

g.get_group

：将为您提供一个具有给定组名的组

将numpy导入为np
作为pd进口熊猫
df=pd.DataFrame（{'A'：np.random.choice（[“A”、“b”、“c”、“d”]），10），
“计数”：np.随机选择（10,10）
})
g=df.groupby（“计数”）
对于g组中的键：
打印（g.get_组（键））
打印（“\n------------------”）

结果

   A  count
3  c      0

---------------
   A  count
9  a      2

---------------
   A  count
0  c      3
2  b      3

---------------
   A  count
1  b      4
5  d      4
6  a      4
7  b      4

---------------
   A  count
8  c      5

---------------
   A  count
4  d      8

---------------

---

您可以使用groupby获得如下结果 在这里

g.groups

：将为每个组提供组名（组id）

g.get_group

：将为您提供一个具有给定组名的组

将numpy导入为np
作为pd进口熊猫
df=pd.DataFrame（{'A'：np.random.choice（[“A”、“b”、“c”、“d”]），10），
“计数”：np.随机选择（10,10）
})
g=df.groupby（“计数”）
对于g组中的键：
打印（g.get_组（键））
打印（“\n------------------”）

结果

   A  count
3  c      0

---------------
   A  count
9  a      2

---------------
   A  count
0  c      3
2  b      3

---------------
   A  count
1  b      4
5  d      4
6  a      4
7  b      4

---------------
   A  count
8  c      5

---------------
   A  count
4  d      8

---------------