如何修改代码实现按参数化名称创建过滤后的DataFrame？

方法1：动态创建命名变量（不推荐，易污染全局命名空间） #

你原代码里的df_{i} = ...属于语法错误，Python不支持这种直接拼接变量名的写法。要实现动态生成df_a、df_b这类变量，可以借助globals()字典操作全局命名空间：

for i in ['a', 'b']:
    globals()[f'df_{i}'] = df[df['name'] == i]

执行后就能直接调用df_a和df_b，效果和你预期完全一致。

方法2：用字典存储过滤结果（更推荐，便于管理） #

如果不想生成过多零散变量，建议将过滤后的DataFrame存入字典，以name值为键，这种方式更易维护，也不会污染命名空间：

# 常规循环写法
df_dict = {}
for i in ['a', 'b']:
    df_dict[i] = df[df['name'] == i]

# 调用过滤后的数据集
print(df_dict['a'])  # 对应预期的df_a
print(df_dict['b'])  # 对应预期的df_b

也可以用字典推导式简化代码：

df_dict = {i: df[df['name'] == i] for i in ['a', 'b']}

额外优化：自动获取所有唯一name值 #

如果name字段的取值不止'a'和'b'，可以直接从原DataFrame中提取所有唯一值，无需手动枚举：

unique_names = df['name'].unique()
df_dict = {name: df[df['name'] == name] for name in unique_names}

内容的提问来源于stack exchange，提问作者Fernando Quintino