如何在Python循环中创建独立的多个DataFrame对象？

需求与问题 #

需求：从带有1-3编号的CSV文件中循环创建对应编号的独立DataFrame对象（未来文件数量可能变化）。
问题：当前代码将DataFrame存入字典，而非生成独立的命名对象，原代码如下：

import pandas as pd
year = "2024"  # 假设year已提前定义
district =  'districtname'

if (district == 'districtname'):
    # setup df names in a dictionary
    dfs = {} # create a dictionary
    i = 1
    while i <= 3:  
        dfs[i] = "dfdistrictname" + str(i)
        i = i + 1
    print(dfs)   
    
    # create the DFs
    n = 1
    while n <= 3:
        filename = 'oppdetail_oppview_' + year + '_' + district + str(n) + '.csv'
        print(filename)
        print(dfs[n])
        dfs[n] = pd.read_csv(filename)
        n = n + 1

修改方案 #

方法1：动态创建独立命名的DataFrame对象 #

通过globals()字典直接在全局命名空间中生成指定名称的独立变量，比如dfdistrictname1、dfdistrictname2这类可直接调用的对象：

import pandas as pd
year = "2024"  # 确保year变量已定义
district =  'districtname'
file_count = 3  # 未来文件数量变化时，修改这个数值即可

if district == 'districtname':
    for n in range(1, file_count + 1):
        filename = f'oppdetail_oppview_{year}_{district}{n}.csv'
        # 生成目标变量名
        var_name = f'df{district}{n}'
        # 赋值创建独立DataFrame
        globals()[var_name] = pd.read_csv(filename)
        print(f"已创建独立DataFrame：{var_name}")

运行后即可直接使用dfdistrictname1、dfdistrictname2等变量操作对应的数据。

方法2：更易维护的替代方案（推荐） #

动态生成独立变量虽然能满足需求，但后续代码中不易追踪维护（比如数量变化后需逐个修改引用）。更推荐保留字典存储，通过键名访问对应DataFrame，扩展性更强：

import pandas as pd
year = "2024"
district =  'districtname'
file_count = 3

dfs = {}
if district == 'districtname':
    for n in range(1, file_count + 1):
        filename = f'oppdetail_oppview_{year}_{district}{n}.csv'
        var_name = f'df{district}{n}'
        dfs[var_name] = pd.read_csv(filename)
        print(f"DataFrame已存入字典，键名：{var_name}")

# 访问示例
print(dfs['dfdistrictname1'].head())

这种方式只需修改file_count即可适配文件数量变化，后续访问逻辑也更清晰。

内容的提问来源于stack exchange，提问作者Gerard De lapelin dumont