如何批量将Pandas DataFrame列转为独立Series？避免循环赋值报错

推荐方案：用字典存储（规范易维护） #

不用手动逐个命名s1到s10，把处理后的Series统一存进字典，想用的时候按键调用即可：

按序号命名键（s1、s2...） #

series_dict = {}
# 从1开始计数生成s1、s2
for idx, col in enumerate(df.columns, start=1):
    series_dict[f"s{idx}"] = df[col].dropna()

# 使用示例：取第一列处理后的Series
# series_dict["s1"]

按列名命名键（更直观） #

如果列本身有有意义的名字，直接用列名当键更方便：

series_dict = {col_name: df[col_name].dropna() for col_name in df.columns}

# 使用示例：取名为"age"的列处理后的Series
# series_dict["age"]

可选方案：动态生成全局变量（谨慎使用） #

如果一定要生成s1、s2这种直接可用的变量，可以用globals()动态创建，但这种方式会打乱全局命名空间，后期代码不好维护，不建议常用：

for idx, col in enumerate(df.columns, start=1):
    globals()[f"s{idx}"] = df[col].dropna()

# 直接调用s1、s2即可

关于遍历列时的赋值错误 #

你之前出错大概率是直接用字符串当变量名赋值（比如写"s1" = df.iloc[:,0].dropna()），Python不允许这么干——变量名得是标识符，不能用字符串字面量，所以得用字典或者globals()这种间接方式来赋值。

内容的提问来源于stack exchange，提问作者Michael K