下面是一个示例代码，演示了如何根据名称对列进行分组划分：

import pandas as pd

# 创建示例数据
data = {'名称': ['A', 'B', 'C', 'D', 'E'],
        '数值': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

# 创建一个空字典来存储分组后的列
grouped_columns = {}

# 根据名称进行列的分组划分
for name in df['名称'].unique():
    grouped_columns[name] = df[df['名称'] == name]['数值']

# 打印分组后的列
for name, column in grouped_columns.items():
    print(f"{name}列：\n{column}")

运行以上示例代码，将得到如下输出：

A列：
0    1
Name: 数值, dtype: int64
B列：
1    2
Name: 数值, dtype: int64
C列：
2    3
Name: 数值, dtype: int64
D列：
3    4
Name: 数值, dtype: int64
E列：
4    5
Name: 数值, dtype: int64

在示例代码中，我们首先创建了一个包含名称和数值的示例数据。然后创建了一个空字典grouped_columns，用于存储分组后的列。

接下来，我们使用unique()方法获取唯一的名称列表，并根据每个名称，将相应的列添加到grouped_columns字典中。我们使用条件索引df['名称'] == name来选择与当前名称匹配的行，并提取对应的数值列。

最后，我们通过遍历grouped_columns字典，打印每个分组后的列。