如何遍历pandas DataFrame列表生成对应命名字典并转换问卷响应？

一、遍历生成目标字典列表 #

完全可以实现，步骤如下：

1. 先把所有问题对应的DataFrame放进一个列表：

# 把Q1到Q14的DataFrame依次存入列表
question_dfs = [Q1_df, Q2_df, Q3_df, Q4_df, Q5_df, Q6_df, Q7_df, Q8_df, Q9_df, Q10_df, Q11_df, Q12_df, Q13_df, Q14_df]

2. 用列表推导式批量生成字典列表：

# 每个DataFrame转成Key:Value格式的字典，结果存在dict_list里
dict_list = [df.set_index('Key')['Value'].to_dict() for df in question_dfs]

此时dict_list[0]就是Q1对应的字典，dict_list[1]对应Q2，以此类推。如果一定要单独生成Q1_dict、Q2_dict这类变量，可以用循环批量赋值：

# 批量创建Q1_dict到Q14_dict变量
for idx, mapping_dict in enumerate(dict_list, start=1):
    globals()[f'Q{idx}_dict'] = mapping_dict

二、更简便的处理方案（推荐） #

没必要单独拆分Qn_df或创建Qn_dict，直接批量处理更高效：

方案1：从原始编码定义表直接生成所有映射字典 #

如果你的编码定义表包含「问题编号（如Q1）、Key、Value」三列，直接按问题分组生成全局映射字典：

# 假设编码定义表为code_definitions，列名是Question、Key、Value
all_mappings = code_definitions.groupby('Question').apply(
    lambda group: group.set_index('Key')['Value'].to_dict()
).to_dict()

生成的all_mappings是一个嵌套字典，结构为{'Q1': {1:'编码1定义'}, 'Q2': {2:'编码2定义'}, ...}，之后直接批量转换问卷响应表：

# 假设问卷响应表为responses，列名对应Q1到Q14
for col in responses.columns:
    responses[col] = responses[col].map(all_mappings[col])

方案2：基于已拆分的Qn_df批量转换 #

如果已经拆分好了Q1_df到Q14_df，直接循环对应列转换：

# 确保question_dfs的顺序和responses的列顺序一致
for col, df in zip(responses.columns, question_dfs):
    mapping = df.set_index('Key')['Value'].to_dict()
    responses[col] = responses[col].map(mapping)

注意事项 #

• 尽量避免单独创建Q1_dict这类零散变量，用列表或字典统一管理映射关系，代码更整洁且易维护。
• 如果编码中存在缺失值（NaN），可以用map的替代方法replace，或者加上fillna保留原始值：responses[col] = responses[col].map(mapping).fillna(responses[col])

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