Pandas 按列将 CSV 拆分为多个 CSV（或 DataFrame）

Posted 2023-03-11

【中文标题】Pandas 按列将 CSV 拆分为多个 CSV（或 DataFrame）

【英文标题】：Pandas split CSV into multiple CSV's (or DataFrames) by a column

【发布时间】：2018-06-08 23:23:15

【问题描述】：

遇到一个问题，我很迷茫，我们将不胜感激。

问题：我有一个 csv 文件，其中有一列可能包含多个值，例如：

Fruit;Color;The_evil_column
Apple;Red;something1
Apple;Green;something1
Orange;Orange;something1
Orange;Green;something2
Apple;Red;something2
Apple;Red;something3

我已将数据加载到数据框中，我需要根据“The_evil_column”列的值将该数据框拆分为多个数据框：

df1
Fruit;Color;The_evil_column
Apple;Red;something1
Apple;Green;something1
Orange;Orange;something1

df2
Fruit;Color;The_evil_column
Orange;Green;something2
Apple;Red;something2

df3
Fruit;Color;The_evil_column
Apple;Red;something3

在阅读了一些帖子后，我更加困惑，我需要一些关于此的提示。

【参考方案1】：

您可以生成 DataFrame 的字典：

d = g:x for g,x in df.groupby('The_evil_column')

In [95]: d.keys()
Out[95]: dict_keys(['something1', 'something2', 'something3'])

In [96]: d['something1']
Out[96]:
    Fruit   Color The_evil_column
0   Apple     Red      something1
1   Apple   Green      something1
2  Orange  Orange      something1

或数据帧列表：

In [103]: l = [x for _,x in df.groupby('The_evil_column')]

In [104]: l[0]
Out[104]:
    Fruit   Color The_evil_column
0   Apple     Red      something1
1   Apple   Green      something1
2  Orange  Orange      something1

In [105]: l[1]
Out[105]:
    Fruit  Color The_evil_column
3  Orange  Green      something2
4   Apple    Red      something2

In [106]: l[2]
Out[106]:
   Fruit Color The_evil_column
5  Apple   Red      something3

更新：

In [111]: g = pd.read_csv(filename, sep=';').groupby('The_evil_column')

In [112]: g.ngroups   # number of unique values in the `The_evil_column` column
Out[112]: 3

In [113]: g.apply(lambda x: x.to_csv(r'c:\temp\.csv'.format(x.name)))
Out[113]:
Empty DataFrame
Columns: []
Index: []

会产生3个文件：

In [115]: glob.glob(r'c:\temp\something*.csv')
Out[115]:
['c:\\temp\\something1.csv',
 'c:\\temp\\something2.csv',
 'c:\\temp\\something3.csv']

【讨论】：

喜欢那个 dict 一代（很高兴知道！）但我想要的是完美运行的列表，现在我试着在计算有多少邪恶的东西后使用 to_csv 存储数据的功能邪恶的专栏。非常感谢！！

@EliasCortAguelo，很高兴我能帮上忙。你的最终目标是什么？用The_evil_column 列拆分一个CSV？

是的，这就是我的想法，我有一个名为 counter 的变量，其值为 0 和一个 for 循环，如 """ for result in range(len(d)): counter += 1 print l[counter ]"""，它返回 3 个数据帧，但最终错误为“IndexError: list index out of range”""。

哇，太棒了，谢谢！！这正是我所需要的，真的很好。非常非常感谢 MaxU，在您的帮助下学到了很多！

这就是为什么访问df 是通过l[i][1] ;)

【参考方案2】：

您可以通过列的值过滤框架：

frame=pd.read_csv('file.csv',delimiter=';')
frame['The_evil_column']=='something1'

返回：

0     True
1     True
2     True
3    False
4    False
5    False
Name: The_evil_column, dtype: bool

因此您访问这些列：

frame1 = frame[frame['The_evil_column']=='something1']

稍后您可以删除该列：

frame1 = frame1.drop('The_evil_column', axis=1)

【参考方案3】：

更简单但效率较低的方法是：

data = pd.read_csv('input.csv')

out = []

for evil_element in list(set(list(data['The_evil_column']))):
    out.append(data[data['The_evil_column']==evil_element])

out 将拥有所有数据数据框的列表。