Pandas有一个内置函数，用于迭代列中的唯一值并选择匹配的行。
在您的情况下，您可以使用以下命令将字典创建为一行程序：

dfs = {query_id: grp.copy() for query_id, grp in df.groupby("query id")}

有了 Dataframe 字典后，可以使用查询id作为关键字来访问每个 Dataframe ：

my_df = dfs["WT04-170"]  # Access each dataframe using the appropriate key
my_df.describe()  # Do your work with the dataframe here

这样有用吗？

df_list = []

for x in set(df['query id'].to_list()):
    df = df[df['query id'] == x].copy() 
    df_list.append(df)

听起来您需要的是每个唯一查询id的过滤 Dataframe 。因此，您最终将得到15个 Dataframe ，每个 Dataframe 仅包含组合df中该特定查询id的行。是这样吗？
在这种情况下，您的方法很接近，但您可以在循环中过滤df。我也使用了dict来存储结果 Dataframe ，但您也可以使用列表来完成。
如果我对你所寻找的东西的理解是正确的，我认为这应该对你有用：

df_dict = {}
for (i,x) in enumerate(df['query id'].unique()):
    df_dict[i] = df[df['query id']==x].copy()

您也可以只使用query_ids作为dict键，如下所示：

df_dict = {}
for x in df['query id'].unique():
    df_dict[x] = df[df['query id']==x].copy()