Python 如何按列值的范围将单个数据帧拆分为多个数据帧？

首先，我意识到这个问题已经以许多不同的形式被问了很多次，但很多答案只是给出了解决问题的代码，而没有解释代码的实际功能或工作原理

我有一个巨大的电话号码和区号数据集，我已经用python将其加载到数据框中，以便进行一些处理。在进行处理之前，我需要将单个数据帧拆分为多个数据帧，这些数据帧包含特定区域代码范围内的电话号码，然后我可以对其进行更多处理。例如：

+---+--------------+-----------+
|   | phone_number | area_code |
+---+--------------+-----------+
| 1 | 5501231234   | 550       |
+---+--------------+-----------+
| 2 | 5051231234   | 505       |
+---+--------------+-----------+
| 3 | 5001231234   | 500       |
+---+--------------+-----------+
| 4 | 6201231234   | 620       |
+---+--------------+-----------+

进入

及

我知道这应该是可能的使用熊猫（特别是groupby和一个系列对象，我认为），但在互联网上我可以找到的文档和例子有点太模糊或稀疏，我无法遵循。也许有比我尝试的方式更好的方法来实现这一点？

您可以使用

bin

区域列，然后使用标签将数据分组并存储在字典中。最后打印每个关键点以查看数据帧：

bins=[500,550,600,650]
labels=['500-550','550-600','600-650']

---

---

---

您还可以通过使用

&

或

|

运算符链接多个条件来选择数据帧中的行来完成此操作

• df1选择区域代码在500-550之间的行

• df2选择区域代码在600-650之间的行

---

df=pd.DataFrame（{'phone_number'：[5501231234150512312450012341224620131234]，
“区号”：[550505500620]}，
列=[‘电话号码’、‘区号’]）
df1=df[（df['area_code']>=500）和（df['area_code']=600）和（df['area_code']难以置信的简单和高效。工作起来很有魅力，我也明白发生了什么哈哈，谢谢！@Tom很高兴我能帮忙。快乐编码：）
area-codes (600-650)
+---+--------------+-----------+
|   | phone_number | area_code |
+---+--------------+-----------+
| 1 | 6201231234   | 620       |
+---+--------------+-----------+

bins=[500,550,600,650]
labels=['500-550','550-600','600-650']

d={f'area_code_{i}':g for i,g in 
  df.groupby(pd.cut(df.area_code,bins,include_lowest=True,labels=labels))}

print(d['area_code_500-550'])
print('\n')
print(d['area_code_600-650'])

    phone_number  area_code
0    5501231234        550
1    5051231234        505
2    5001231234        500


   phone_number  area_code
3    6201231234        620

df1
phone_number  area_code
0    5501231234        550
1    5051231234        505
2    5001231234        500

df2
phone_number  area_code
3    6201231234        620