Pandas动态生成子DataFrame并重命名列时遇NameError问题求助

原始数据与需求 #

原始DataFrame定义如下：

import pandas as pd

data = {
    "Category": ["A","A","B","C","C"],
    "Value": [16,10,8,8.3,17]
}
df = pd.DataFrame(data)

需求：

• 为Category列的每个唯一值生成对应子DataFrame（如df_A、df_B、df_C）
• 子DataFrame仅保留对应分类的行
• 将子DataFrame的Value列重命名为Value+分类名（如df_A的列改为ValueA）

错误原因 #

出现NameError: name 'ValueA' is not defined的核心原因是：重命名列时误将新列名当作变量使用（比如写ValueA而非字符串"ValueA"），Python会尝试查找名为ValueA的变量，找不到就抛出该错误。

正确实现代码 #

通过循环遍历分类唯一值，结合字符串构造与全局变量绑定，可完成需求并避免错误：

import pandas as pd

data = {
    "Category": ["A","A","B","C","C"],
    "Value": [16,10,8,8.3,17]
}
df = pd.DataFrame(data)

# 遍历每个唯一分类
for cat in df['Category'].unique():
    # 筛选对应分类的行，用copy()避免修改原DataFrame
    sub_df = df[df['Category'] == cat].copy()
    # 构造新列名字符串，用f-string拼接分类名
    sub_df.rename(columns={'Value': f'Value{cat}'}, inplace=True)
    # 可选：删除原Category列（若不需要保留分类标识）
    sub_df.drop('Category', axis=1, inplace=True)
    # 动态生成全局变量，比如df_A、df_B
    globals()[f'df_{cat}'] = sub_df

# 验证结果
print(df_A)
# 输出:
#    ValueA
# 0      16
# 1      10

关键注意点 #

• 新列名必须是字符串格式，用f'Value{cat}'确保生成的是字符串而非变量引用
• 使用globals()动态创建全局变量，实现df_A这类命名的子DataFrame
• 调用copy()避免子DataFrame与原DataFrame共享数据内存，防止后续操作污染原数据

内容的提问来源于stack exchange，提问作者Ziggy