pandas 根据列中的值创建子集

Question

我这个数据框：

86,1/28/2004 0:00:00,16.9
86,5/25/2004 0:00:00,17.01
86,7/22/2004 0:00:00,17.06
87,11/15/2004 0:00:00,7.39
87,3/14/2005 0:00:00,7.59
86,11/15/2004 0:00:00,17.29
86,3/14/2005 0:00:00,17.38
86,4/19/2005 0:00:00,17.43
86,5/19/2005 0:00:00,17.28
87,1/22/2004 0:00:00,7.44
87,5/13/2004 0:00:00,7.36

我想根据第一列的值 (id) 处理两个单独的数据框。理想情况下，我希望：

87,11/15/2004 0:00:00,7.39
87,3/14/2005 0:00:00,7.59
87,1/22/2004 0:00:00,7.44
87,5/13/2004 0:00:00,7.36

和

86,1/28/2004 0:00:00,16.9
86,5/25/2004 0:00:00,17.01
86,7/22/2004 0:00:00,17.06
86,11/15/2004 0:00:00,17.29
86,3/14/2005 0:00:00,17.38
86,4/19/2005 0:00:00,17.43
86,5/19/2005 0:00:00,17.28

如您所见，我有一个数据框，第一列全部为 87，另一个数据框为 86。

这就是我读取数据框的方式：

dfr = pd.read_csv(fname,sep=',',index_col=False,header=None)

如果我对命令的理解正确，我认为 groupby 不是正确的选项。

我正在考虑查询：

aa = dfr.query(dfr.iloc[:,0]==86)

但是，我有这个错误：

 expr must be a string to be evaluated, <class 'pandas.core.series.Series'> given

感谢任何帮助。

Answer 1

您可以简单地对数据框进行切片：

df_86 = df.loc[df['ColName'] == 86,:]

Answer 2

另一种动态执行此操作而无需事先指定组的方式。

df = pd.DataFrame({'ID': np.repeat([1, 2, 3], 4), 'col2': np.repeat([10, 11, 12], 4)})

获取唯一分组：

groups = df['ID'].unique()

创建一个空字典来存储新的数据帧

new_dfs = {}

循环并从切片创建新的数据帧：

for group in groups:
    name = "ID" + str(group)
    new_dfs[name] = df[df['ID'] == group]

new_dfs['ID1']

这给出了：

ID  col2
0   1   10
1   1   10
2   1   10
3   1   10