Pandas 按列值拆分 DataFrame

Question

我有DataFrame列Sales 。

如何根據Sales將其拆分為 2？

第一個DataFrame將具有'Sales' < s數據，第二個具有'Sales' >= s數據

Answer 1

您可以使用boolean indexing ：

df = pd.DataFrame({'Sales':[10,20,30,40,50], 'A':[3,4,7,6,1]})
print (df)
   A  Sales
0  3     10
1  4     20
2  7     30
3  6     40
4  1     50

s = 30

df1 = df[df['Sales'] >= s]
print (df1)
   A  Sales
2  7     30
3  6     40
4  1     50

df2 = df[df['Sales'] < s]
print (df2)
   A  Sales
0  3     10
1  4     20

也可以通過~反轉mask ：

mask = df['Sales'] >= s
df1 = df[mask]
df2 = df[~mask]
print (df1)
   A  Sales
2  7     30
3  6     40
4  1     50

print (df2)
   A  Sales
0  3     10
1  4     20

---

print (mask)
0    False
1    False
2     True
3     True
4     True
Name: Sales, dtype: bool

print (~mask)
0     True
1     True
2    False
3    False
4    False
Name: Sales, dtype: bool

Answer 2

使用groupby你可以分成兩個數據幀，比如

In [1047]: df1, df2 = [x for _, x in df.groupby(df['Sales'] < 30)]

In [1048]: df1
Out[1048]:
   A  Sales
2  7     30
3  6     40
4  1     50

In [1049]: df2
Out[1049]:
   A  Sales
0  3     10
1  4     20

Answer 3

使用“groupby”和列表理解：

將所有拆分的數據幀存儲在列表變量中，並通過索引訪問每個分離的數據幀。

DF = pd.DataFrame({'chr':["chr3","chr3","chr7","chr6","chr1"],'pos':[10,20,30,40,50],})
ans = [pd.DataFrame(y) for x, y in DF.groupby('chr', as_index=False)]

像這樣訪問分離的 DF：

ans[0]
ans[1]
ans[len(ans)-1] # this is the last separated DF

像這樣訪問分離的 DF 的列值：

ansI_chr=ans[i].chr 

Answer 4

使用 walrus 運算符 (Python 3.8) 的單行：

df1, df2 = df[(mask:=df['Sales'] >= 30)], df[~mask]

考慮使用copy來避免SettingWithCopyWarning ：

df1, df2 = df[(mask:=df['Sales'] >= 30)].copy(), df[~mask].copy()

或者，您可以使用方法query ：

df1, df2 = df.query('Sales >= 30').copy(), df.query('Sales < 30').copy()

Answer 5

我喜歡用它來加速搜索或滾動平均查找 .apply(lambda x...) 類型的函數，所以我將大文件拆分為數據框字典：

df_dict = {sale_v: df[df['Sales'] == sale_v] for sale_v in df.Sales.unique()}

如果您想根據分類組進行操作，則應該這樣做。