基于python中另一个数据框的列值拆分数据框

Question

我有以下数据框：

Date    Country Type    Consumption
01/01/2019     Fr   IE  186
02/01/2019     Fr   IE  131
01/01/2019      Fr  SE  115
02/01/2019     Fr   SE  141
03/01/2019     Fr   SE  158
01/01/2019     Po   DK  208
01/01/2019     Po   IE  150
02/01/2019     Po   IE  136
01/01/2019    Po    SE  210
02/01/2019     Po   SE  195
03/01/2019     Po   SE  160
01/01/2019     Hk   DK  229
01/01/2019     Hk   IE  159
02/01/2019     Hk   IE  210
01/01/2019     Hk   SE  130
02/01/2019     Hk   SE  179
03/01/2019     Hk   SE  143

我想按国家/地区和类型将其拆分为多个数据帧。 例如我想要

df_1：

df_2：

df_3：

df_4：

＆ 很快 ...

我创建了另一个数据框

df = pd.DataFrame({
"Country": ["Fr", "Po"],
"Type": ["IE", "SE"]})

因为我只想根据“df”中的这些值创建新的数据框

使用了以下代码：

#create unique list of names

 UniqueNames = pd.unique(df[['Country','Type']].values.ravel())
 DataFrameDict = {elem : pd.DataFrame for elem in UniqueNames}

 for key in DataFrameDict.keys():
     DataFrameDict[key] = df3[:][df3.Country == key]

但这并不能达到目的，我正在获取具有所有类型值的数据帧。

如何做到这一点？

我还尝试了以下代码：

d = {}
for name, group in df3.groupby(['City','Type']):
    d['group_' + str(name)] = group

但问题是它为 City & Type 的每个独特组合创建了数据框，而我只需要几个组合。

数据框名称也像 d["group_('Fr', 'IE')"] d["group_('Fr', 'SE')"]

我可以将这些名称更改为更简单的名称，例如 Fr_IE Fr_SE，因为我需要在这些数据帧中的每一个上运行许多其他函数

Answer 1

将具有所需值的数据帧转换为元组列表，以便能够对其进行循环和过滤

tuples = [tuple(x) for x in df.values]

最后，使用列表中的每个项目过滤原始数据框，在这里我打印每个项目，但您可能想做其他事情......

for mytuple in tuples:
    print(original_df[(original_df['Country'] == mytuple[0]) & (original_df['Type'] == mytuple[1])])

要将每个数据帧保存在一个新变量中，您可以使用列表进行操作：

my_dfs = [df[(df['Country'] == mytuple[0]) & (df['Type'] == mytuple[1])] for mytuple in tuples]
for my_df in my_dfs:
    print(my_df)

Answer 2

鉴于我正确理解了这个问题，如果您只是像下面那样定义关键数据帧 df ：

df = pd.DataFrame({
"Country": ["Fr", "Po"],
"Type": ["IE", "SE"]})

您缺少其他组合，例如：['Fr','SE'] 和 ['Po','IE']。

我解决了以下问题。 希望这可以帮助：

import pandas as pd

# I put your original data in a file called data.txt
# and read it into a dataframe called df_data
df_data = pd.read_csv('data.txt', sep=',')
print(df_data)

# Creating a dataframe of all selected country and type pairs
df_temp = df_data.groupby(['Country', 'Type']).size().reset_index(name='Count')
df = df_temp[df_temp['Country'].isin(['Fr', 'Po']) & df_temp['Type'].isin(['IE', 'SE'])].drop('Count', axis=1)
print(df)

# Then loop through the tuples
tuples = [tuple(x) for x in df.values]
my_dfs = [df_data[(df_data['Country'] == mytuple[0]) & (df_data['Type'] == mytuple[1])] for mytuple in tuples]

for my_df in my_dfs:
    print(my_df)