根据列值拆分数据框

首先，您可以通过将值列与零进行比较来创建组号，然后对这些布尔值求和。

df['group_no'] = (df.val == 0).cumsum()>>> df.head(6)      EndDate       val  group_no0  2007-10-31  0.000000         11  2007-11-30 -0.033845         12  2007-12-31 -0.033630         13  2008-01-31 -0.009449         14  2008-02-29  0.000000         25  2008-03-31 -0.057450         2

接下来，您可以结合使用字典理解

loc

group_no

iat

d = {i: df.loc[df.group_no == i, ['EndDate', 'val']]      for i in range(1, df.group_no.iat[-1])}>>> d{1:       EndDate       val 0  2007-10-31  0.000000 1  2007-11-30 -0.033845 2  2007-12-31 -0.033630 3  2008-01-31 -0.009449,  2:       EndDate       val 4  2008-02-29  0.000000 5  2008-03-31 -0.057450 6  2008-04-30 -0.038694,  3:       EndDate       val 7  2008-05-31  0.000000 8  2008-06-30 -0.036245 9  2008-07-31 -0.005286}

编辑 正如@DSM所建议的，基于具有15k行的示例数据帧，使用groupby的速度似乎快6倍。

d = {n: df2.ix[rows]      for n, rows in enumerate(df2.groupby('group_no').groups)}