Pandas：按行数将数据帧拆分为多个数据帧

Posted 2021-04-01

对熊猫来说相当新鲜所以忍受我...

我有一个巨大的csv，有很多行的表。我想简单地将每个数据帧拆分为2，如果它包含超过10行。

如果为true，我希望第一个数据帧包含前10个数据帧，其余数据帧包含第二个数据帧。

这有一个方便的功能吗？我环顾四周但发现没什么用处......

即split_dataframe（df，2（if> 10））？

答案

如果满足条件，这将返回拆分的DataFrame，否则返回原始和None（然后您需要单独处理）。请注意，这假设拆分只需要每个df发生一次，并且拆分的第二部分（如果它超过10行（意味着原始长度超过20行））是可以的。

df_new1, df_new2 = df[:10, :], df[10:, :] if len(df) > 10 else df, None

请注意，您还可以根据需要使用df.head(10)和df.tail(len(df) - 10)来获取正面和背面。您还可以使用各种索引方法：如果需要，您可以提供第一个维度索引，例如df[:10]而不是df[:10, :]（尽管我喜欢明确地编码您正在使用的维度）。您也可以使用df.iloc和df.ix以类似的方式进行索引。

但是，从df.loc开始，请注意使用it is label-based and the input will never be interpreted as an integer position。 .loc只会在你碰巧有一个从0开始没有间隙的整数的索引标签的情况下“偶然”工作。

但是您还应该考虑pandas提供的各种选项，用于将DataFrame的内容转储为html，还可能考虑LaTeX，以便为演示文稿制作更好的表格（而不仅仅是复制和粘贴）。简单地谷歌搜索如何将DataFrame转换为这些格式，为这个应用程序提供了大量的教程和建议。

另一答案

没有特定的便利功能。

你必须做的事情如下：

first_ten = pd.DataFrame()
rest = pd.DataFrame()

if df.shape[0] > 10: # len(df) > 10 would also work
    first_ten = df[:10]
    rest = df[10:]

另一答案

一种基于np.split的方法：

df = pd.DataFrame({    'A':[2,4,6,8,10,2,4,6,8,10],
                       'B':[10,-10,0,20,-10,10,-10,0,20,-10],
                       'C':[4,12,8,0,0,4,12,8,0,0],
                      'D':[9,10,0,1,3,np.nan,np.nan,np.nan,np.nan,np.nan]})

listOfDfs = [df.loc[idx] for idx in np.split(df.index,5)]

使用模数的小函数可以处理拆分不均匀的情况（例如np.split(df.index,4)会抛出错误）。

（是的，我知道原来的问题比这更具体。但是，这应该回答标题中的问题。）

另一答案

我使用这个List Comprehensions将一个巨大的df切成100'000的块：

size = 100000
list_of_dfs = [df.loc[i:i+size-1,:] for i in range(0, len(df),size)]

或作为发电机：

list_of_dfs = (df.loc[i:i+size-1,:] for i in range(0, len(df),size))

另一答案

你可以使用DataFrame head和tail方法作为语法糖而不是切片/ loc。我使用3的分割大小;对于您的示例，使用headSize = 10

def split(df, headSize) :
    hd = df.head(headSize)
    tl = df.tail(len(df)-headSize)
    return hd, tl

df = pd.DataFrame({    'A':[2,4,6,8,10,2,4,6,8,10],
                       'B':[10,-10,0,20,-10,10,-10,0,20,-10],
                       'C':[4,12,8,0,0,4,12,8,0,0],
                      'D':[9,10,0,1,3,np.nan,np.nan,np.nan,np.nan,np.nan]})

# Split dataframe into top 3 rows (first) and the rest (second)
first, second = split(df, 3)

另一答案

下面是一个简单的函数实现，它将DataFrame拆分为块和一些代码示例：

import pandas as pd

def split_dataframe_to_chunks(df, n):
    df_len = len(df)
    count = 0
    dfs = []

    while True:
        if count > df_len-1:
            break

        start = count
        count += n
        #print("%s : %s" % (start, count))
        dfs.append(df.iloc[start : count])
    return dfs


# Create a DataFrame with 10 rows
df = pd.DataFrame([i for i in range(10)])

# Split the DataFrame to chunks of maximum size 2
split_df_to_chunks_of_2 = split_dataframe_to_chunks(df, 2)
print([len(i) for i in split_df_to_chunks_of_2])
# prints: [2, 2, 2, 2, 2]

# Split the DataFrame to chunks of maximum size 3
split_df_to_chunks_of_3 = split_dataframe_to_chunks(df, 3)
print([len(i) for i in split_df_to_chunks_of_3])
# prints [3, 3, 3, 1]

另一答案

如果您有一个大型数据框并需要划分为可变数量的子数据帧行，例如每个子数据帧最多有4500行，则此脚本可以帮助：

max_rows = 4500
dataframes = []
while len(df) > max_rows:
    top = df[:max_rows]
    dataframes.append(top)
    df = df[max_rows:]
else:
    dataframes.append(df)

然后，您可以保存这些数据框：

for _, frame in enumerate(dataframes):
    frame.to_csv(str(_)+'.csv', index=False)

希望这有助于某人！

另一答案

基于列表推导和groupby的方法，它将所有拆分数据帧存储在列表变量中，并且可以使用索引进行访问。

例：

ans = [pd.DataFrame(y) for x, y in DF.groupby('column_name', as_index=False)]***
ans[0]
ans[0].column_name