我目前正在熊猫的数据框架工作。总之，我有一个称为“索赔”的数据框，里面有客户索赔数据，我想基于字段'Part ID'中找到的唯一值来解析数据框中的所有行。然后我想获取每一组行，并一次将其追加到一个名为“emptydf”的空数据框中。这个数据框与“Claims”数据框具有相同的列标题。由于“Part ID”列中的值每周都有变化，所以我希望找到一些动态的方法，而不是每周手动梳理数据帧。我想用某种方式合并df.where（）表达式和For循环，但不知如何将它们组合在一起。任何关于如何进行这项工作的见解，甚至是一些更好的方法，都将是伟大的！到目前为止，我的代码分为以下两个步骤：
emptydf=索赔[0:0]
#创建空数据帧
2.Parse_Claims=Claims.query（'Part_ID==1009'）
emptydf=emptydf.append（解析声明）
#按每个唯一的部件ID号分析数据帧并追加到空数据帧。如您所见，到目前为止，我一次只能硬编码一个部件ID号。这需要几个小时来手动完成，所以我想找出一种方法来遍历Part ID列并动态地追加数据。
不用说，我对Python非常陌生，所以我非常感谢您的耐心！
最佳答案
empty_df = list(Claims.groupby(Claims['Part_ID']))
这将创建一个元组列表，每个元组有两个元素，第一个是零件id，第二个是零件id的子集