如何在Python循环中按迭代器名称创建对应DataFrame？

方法一：用字典存储（推荐） #

用字典统一管理各指标的DataFrame，既避免变量覆盖，也方便后续批量操作：

import pandas as pd

# 示例原始DataFrame
original_df = pd.DataFrame({
    'ISO3': ['USA', 'CHN', 'JPN'],
    'hdi_1990': [0.8, 0.6, 0.85],
    'hdi_2020': [0.92, 0.76, 0.91],
    'ihdi_1990': [0.75, 0.55, 0.8],
    'ihdi_2020': [0.88, 0.7, 0.87],
    'gnipc_1990': [20000, 3000, 25000],
    'le_2020': [78, 76, 84]
})

indicators = ['hdi','ihdi','gnipc','le']
# 初始化空字典存储结果
indicator_dfs = {}

for ind in indicators:
    # 筛选ISO3列和当前指标的所有年度列
    target_cols = ['ISO3'] + [col for col in original_df.columns if col.startswith(f"{ind}_")]
    # 将生成的DataFrame存入字典，键为指标名+_df
    indicator_dfs[f"{ind}_df"] = original_df[target_cols].copy()

# 调用示例：获取hdi对应的DataFrame
print(indicator_dfs['hdi_df'])

方法二：创建全局命名变量（不推荐） #

如果一定要生成独立命名的变量（如hdi_df），可以用globals()函数直接在全局命名空间创建变量，但这种方式容易造成命名混乱，不建议在复杂项目中使用：

for ind in indicators:
    target_cols = ['ISO3'] + [col for col in original_df.columns if col.startswith(f"{ind}_")]
    # 直接创建对应名称的全局变量
    globals()[f"{ind}_df"] = original_df[target_cols].copy()

# 调用示例：直接使用变量名
print(hdi_df)

为什么推荐用字典？ #

• 避免全局命名空间被大量零散变量占用，代码更整洁
• 可通过循环遍历字典，轻松实现批量处理（比如统一保存所有指标的DataFrame到文件）

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