如何用Pandas批量创建动态值的年份掩码变量？

首先，批量生成year1989这类变量的思路是可行的，但并不推荐——直接生成几十个个全局变量会让代码变得杂乱无章，后续维护和调用都很麻烦。作为Pandas新手，更推荐以下几种更简洁、易维护的方案：

方案1：用字典存储年份掩码/筛选后的数据框 #

把每个年份的掩码或对应的数据框存在字典里，用年份当键，调用和管理都更方便：

# 生成目标年份范围（1989到2021）
years = range(1989, 2022)

# 存储年份掩码的字典
year_masks = {}
for year in years:
    # 根据你的Year列类型调整：如果是字符串就用str(year)，数值类型直接用year
    year_masks[year] = ven_df['Year'] == year

# 调用示例：获取1995年的掩码并筛选数据
ven_df[year_masks[1995]]

如果需要直接存储筛选后的数据框，也可以这么写：

year_dfs = {}
for year in years:
    year_dfs[year] = ven_df[ven_df['Year'] == year]

# 调用示例：直接取1995年的数据框
year_dfs[1995]

方案2：用groupby直接按年份分组处理 #

如果你的核心需求是按年份生成图表，完全不需要提前生成掩码或数据框，直接用groupby遍历年份组即可，这是Pandas处理分组数据的标准方式，代码最简洁：

# 按Year列分组，遍历每个年份和对应的数据子集
for year, group_df in ven_df.groupby('Year'):
    # 这里写入生成图表的代码，比如用matplotlib/seaborn
    # 示例：绘制该年份某列的直方图
    group_df['Target_Column'].plot(kind='hist', title=f'Distribution - Year {year}')

补充细节 #

• 如果你的Year列是字符串类型，groupby同样可以正常工作，无需额外转换；
• 如果只想处理1989-2021中的部分年份，可以先筛选数据再分组：

  # 先过滤出目标年份范围内的数据
  filtered_df = ven_df[ven_df['Year'].isin(range(1989, 2022))]
  for year, group_df in filtered_df.groupby('Year'):
      # 生成图表逻辑
      pass
  

这种方式既避免了大量重复代码，又让逻辑清晰易读，比生成一堆零散的变量高效得多。

内容的提问来源于stack exchange，提问作者Oscar Crescente Miranda