假设有一个数据框df，需要按照优先级p1, p2, p3的顺序拆分为三个数据框，并且要求每个数据框的行数分别为n1, n2, n3。

可以使用pandas库中的groupby()方法结合numpy库中的split()方法实现。具体步骤如下：

1. 首先按照优先级对数据框进行排序，确保拆分的优先级是正确的。

df = df.sort_values(['priority'], ascending=False)

2. 计算每个子数据框的截止行数。这里使用np.cumsum()方法累计子数据框的行数，确保每个子数据框的行数满足要求。

n1 = ...
n2 = ...
n3 = ...
bounds = np.cumsum([0, n1, n2, n3])

3. 使用groupby()方法将数据框拆分为三个部分。这里可以使用pd.DataFrame.groupby()方法，按照优先级分组，然后通过apply()方法得到拆分后的子数据框。

groups = df.groupby('priority')

dfs = [groups.apply(lambda x: x.iloc[bounds[i]:bounds[i+1]]) for i in range(len(bounds)-1)]

最终，dfs中包含了按照优先级和特定行数拆分后的三个数据框。