python中按条件分组有五种方法：一、pandas.groupby()配lambda函数；二、itertools.groupby()配sorted预处理；三、字典推导式构建映射；四、collections.defaultdict动态键分组；五、filter()生成独立子集。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望使用CodeGeeX辅助编写Python中按条件对数据进行分组的代码，则可能是由于原始数据结构复杂或分组逻辑多样，需借助AI编码工具快速生成可运行片段。以下是实现该任务的多种方法：
一、使用pandas.groupby()配合lambda函数分组
该方法适用于结构化表格数据（如DataFrame），通过定义匿名函数动态判断每行所属类别，再调用groupby完成逻辑分组。
1、导入pandas库并构造示例数据：import pandas as pd; df = pd.DataFrame({'score': [85, 92, 73, 60, 45, 88], 'name': ['A', 'B', 'C', 'D', 'E', 'F']})。
2、定义分组条件函数：grade_func = lambda x: '优秀' if x >= 90 else '良好' if x >= 70 else '及格' if x >= 60 else '不及格'。
3、执行分组操作：grouped = df.groupby(df['score'].map(grade_func))。
4、遍历各组并打印结果：for name, group in grouped: print(f'分组名称：{name}'); print(group)。
二、使用itertools.groupby()配合sorted预处理
该方法适用于已排序的序列数据，利用itertools.groupby要求输入必须按分组键有序的特性，先排序再分组，适合内存敏感或流式处理场景。
1、导入模块：from itertools import groupby; data = [('math', 85), ('english', 92), ('math', 73), ('english', 88)]。
2、按第一字段排序：sorted_data = sorted(data, key=lambda x: x[0])。
3、执行分组：for key, group_iter in groupby(sorted_data, key=lambda x: x[0]): print(f'科目：{key}'); print(list(group_iter))。
三、使用字典推导式构建分组映射
该方法不依赖外部库，直接以字典为容器，将满足同一条件的数据项归入对应键下，适合小规模列表或需要自定义键名的场景。
1、准备原始列表：scores = [85, 92, 73, 60, 45, 88]。
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
2、初始化空字典：groups = {'优秀': [], '良好': [], '及格': [], '不及格': []}。
3、遍历并分配：for s in scores: if s >= 90: groups['优秀'].append(s); elif s >= 70: groups['良好'].append(s); elif s >= 60: groups['及格'].append(s); else: groups['不及格'].append(s)。
4、输出分组结果：for k, v in groups.items(): print(f'{k}: {v}')。
四、使用collections.defaultdict实现动态键分组
该方法避免手动初始化字典键，自动为新键创建默认空列表，提升代码简洁性与容错能力，适合条件分支较多或键名未知的情形。
1、导入模块：from collections import defaultdict; data = [85, 92, 73, 60, 45, 88]。
2、创建defaultdict：group_dict = defaultdict(list)。
3、按条件追加：for x in data: if x >= 90: group_dict['优秀'].append(x); elif x >= 70: group_dict['良好'].append(x); elif x >= 60: group_dict['及格'].append(x); else: group_dict['不及格'].append(x)。
4、访问结果：for category, items in group_dict.items(): print(f'{category}组：{items}')。
五、使用filter()配合多个条件生成独立子集
该方法不形成统一分组结构，而是分别提取满足不同布尔条件的子列表，适合只需特定类别的数据且后续处理路径差异较大的情况。
1、设定原始数据：numbers = [85, 92, 73, 60, 45, 88]。
2、分别过滤：excellent = list(filter(lambda x: x >= 90, numbers)); good = list(filter(lambda x: 70
3、继续补充其他类别：passing = list(filter(lambda x: 60
4、输出各子集：print(f'优秀名单：{excellent}'); print(f'良好名单：{good}')。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
