尝试在python中创建一个函数以按行索引创建数据帧的多个子集[重复]答案

【问题标题】：Trying to create a function in python to create multiple subsets of a dataframe by row index [duplicate]尝试在python中创建一个函数以按行索引创建数据帧的多个子集[重复]
【发布时间】：2019-12-10 09:58:58
【问题描述】：

我有一个包含 15000 个唯一 Series_Id 的列的数据集。我想创建每个有 200 行的数据框的子集，并将其存储为单独的数据框。所以一共有75个数据集。

我只是想不出如何解决这个问题。我可以做到这一点的一种方法是通过行索引对 200 行的子集进行索引，但我必须这样做 75 次。

没有任何这样的代码。我正在尝试制作一个功能。

【问题讨论】：

标签： python pandas function loops subset

【解决方案1】：

如果您想将每个子集存储为单独的数据帧，除了循环 75 次之外，我想不出任何其他方法。如果我是你，我会遍历原始数据帧，一次抓取 200 行，并将其作为数据帧存储在字典中，作为值，其键将是循环号。如下所示：

dict_subsets = {}
for i in range(0, (15000/200)):
    row_start = i * 200
    row_end = row_start + 200
    df_curr = df_original.loc[row_start:row_end]
    dict_subsets['df_' + str(i)] = df_curr

【讨论】：

这对我有用。非常感谢。我只需将 dict_subsets['df_' + i] = df_curr 更改为 dict_subsets['df_' + str(i)] = df_curr 因为它一直给我一个错误 cannot join str and int object
我的错，当然应该是 str(i)。
为将来提及它的任何人编辑了我的原始回复。 @RohanJain 如果您觉得这对您的问题有所帮助，请投票。

【解决方案2】：

您也许可以使用numpy.split，因为pandas DataFrame 大多只是numpy 数组：

import pandas as pd
import numpy as np

df = pd.DataFrame({"x": [1, 2, 3], "y": [4, 5, 6]})
print(df)
#    x  y
# 0  1  4
# 1  2  5
# 2  3  6
n = 3  # 200 for you
for df2 in np.split(df, n):
    print(df2)
#    x  y
# 0  1  4
#    x  y
# 1  2  5
#    x  y
# 2  3  6

它试图使每个块的大小相同。如果无法进行这样的拆分，则会引发错误。您可以通过手动添加空行（包含 NaN 或类似内容）或将其切成 200 的倍数来避免这种情况。

【讨论】：