Rumah >pembangunan bahagian belakang >Tutorial Python >Bagaimanakah Saya Boleh Membahagikan Pandas DataFrame kepada Berbilang DataFrames Berdasarkan Nilai Lajur Menggunakan Groupby?

Bagaimanakah Saya Boleh Membahagikan Pandas DataFrame kepada Berbilang DataFrames Berdasarkan Nilai Lajur Menggunakan Groupby?

Patricia Arquette
Patricia Arquetteasal
2024-12-19 09:19:16972semak imbas

How Can I Split a Pandas DataFrame into Multiple DataFrames Based on Column Values Using Groupby?

Memisahkan Bingkai Data Pandas Berdasarkan Nilai Lajur Menggunakan Groupby

Panda menawarkan fungsi kumpulan mengikut kuat untuk memanipulasi data berdasarkan nilai biasa dalam sesuatu yang ditentukan lajur. Satu aplikasi praktikal fungsi ini ialah membahagikan DataFrame kepada berbilang DataFrame yang lebih kecil berdasarkan nilai unik dalam lajur.

Pertimbangkan DataFrame df di bawah:

df = 
        N0_YLDF  ZZ        MAT
    0  6.286333   2  11.669069
    1  6.317000   6  11.669069
    2  6.324889   6  11.516454
    3  6.320667   5  11.516454
    4  6.325556   5  11.516454
    5  6.359000   6  11.516454
    6  6.359000   6  11.516454
    7  6.361111   7  11.516454
    8  6.360778   7  11.516454
    9  6.361111   6  11.516454

Untuk membahagikan DataFrame ini kepada empat DataFrame berdasarkan nilai unik lajur ZZ, ikuti ini langkah:

  1. Kumpulkan DataFrame mengikut lajur ZZ:

    gb = df.groupby('ZZ')
  2. Dapatkan senarai berkumpulan objek:

    grouped_objects = [gb.get_group(x) for x in gb.groups]

Hasilnya ialah senarai empat DataFrames, setiap satu mewakili kumpulan berbeza berdasarkan nilai unik dalam lajur ZZ.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Membahagikan Pandas DataFrame kepada Berbilang DataFrames Berdasarkan Nilai Lajur Menggunakan Groupby?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn