Python中for循环创建多个DataFrame失败，求代码修正方案

遍历ENTREGAS_G1列表中的日期字符串，读取对应路径下的DBF文件并转换为DataFrame，合并后创建以PROFECO_+日期命名的多个DataFrame（如PROFECO_19052022等），但代码无法正常运行，需改进。

原代码 #

ENTREGAS_G1=['19052022','27052022',
             '02062022','06062022','13062022','20062022','27062022',
             '05072022','11072022','20072022','26072022',
             '01082022']

for i in range(len(ENTREGAS_G1)):
    print('INFORMACION_'+ENTREGAS_G1[i])
    
    lista_date = folder_listas+'/SOLICITUD_INFORMACION_'+ENTREGAS_G1[i]
    
    esta = DBF(os.path.join(lista_date,'SOLICITUD_INFORMACION_'+ENTREGAS_G1[i]+'_ESTABLECIMIENTOS.DBF'))
    DF_ESTA=pd.DataFrame(iter(esta))
    prec = DBF(os.path.join(lista_date,'SOLICITUD_INFORMACION_'+ENTREGAS_G1[i]+'_PRECIOS.DBF'))
    DF_PREC=pd.DataFrame(iter(prec))
    prod = DBF(os.path.join(lista_date,'SOLICITUD_INFORMACION_'+ENTREGAS_G1[i]+'_PRODUCTOS.DBF'))
    DF_PROD=pd.DataFrame(iter(prod))
    
    MERGE1 = pd.merge(DF_PREC, DF_PROD, on=['CVE_PRODUC','CVE_MARCA'])
    MERGE2 = pd.merge(DF_ESTA, MERGE1, on='FOLIO')
    
    globals()[PROFECO_+i] = MERGE2.assign(identrega=ENTREGAS_G1[i])
    
    print('Done:','PROFECO_'+ENTREGAS_G1[i])

代码问题分析 #

• 变量拼接错误：PROFECO_不是字符串，直接拼接会触发语法错误；i是整数索引，不能直接和字符串拼接，需用对应日期字符串生成变量名。
• 循环逻辑冗余：遍历列表元素比遍历索引更简洁，可避免索引操作失误。
• 无异常处理：读取DBF文件、合并DataFrame时可能出现路径错误、文件缺失、列名不匹配等问题，缺少容错机制会导致程序直接崩溃。
• 全局变量滥用：用globals()动态创建全局变量会污染命名空间，不利于后续维护和管理。

改进后的代码 #

import pandas as pd
import os
from dbfread import DBF  # 需先安装库：pip install dbfread

ENTREGAS_G1=['19052022','27052022',
             '02062022','06062022','13062022','20062022','27062022',
             '05072022','11072022','20072022','26072022',
             '01082022']

# 用字典存储生成的DataFrame，替代动态全局变量，更易管理
profeco_dfs = {}

# 直接遍历日期字符串，简化循环逻辑
for date_str in ENTREGAS_G1:
    print(f'INFORMACION_{date_str}')
    
    # 用f-string简化路径拼接，提升可读性
    lista_date = f'{folder_listas}/SOLICITUD_INFORMACION_{date_str}'
    
    try:
        # 读取DBF文件并转为DataFrame
        esta_path = os.path.join(lista_date, f'SOLICITUD_INFORMACION_{date_str}_ESTABLECIMIENTOS.DBF')
        DF_ESTA = pd.DataFrame(DBF(esta_path))
        
        prec_path = os.path.join(lista_date, f'SOLICITUD_INFORMACION_{date_str}_PRECIOS.DBF')
        DF_PREC = pd.DataFrame(DBF(prec_path))
        
        prod_path = os.path.join(lista_date, f'SOLICITUD_INFORMACION_{date_str}_PRODUCTOS.DBF')
        DF_PROD = pd.DataFrame(DBF(prod_path))
        
        # 明确合并方式（可根据需求改为left/outer/right）
        MERGE1 = pd.merge(DF_PREC, DF_PROD, on=['CVE_PRODUC','CVE_MARCA'], how='inner')
        MERGE2 = pd.merge(DF_ESTA, MERGE1, on='FOLIO', how='inner')
        
        # 添加交付日期标识并存入字典
        profeco_df = MERGE2.assign(identrega=date_str)
        profeco_dfs[f'PROFECO_{date_str}'] = profeco_df
        
        # 若确实需要全局变量（不推荐），可保留以下代码
        # globals()[f'PROFECO_{date_str}'] = profeco_df
        
        print(f'Done: PROFECO_{date_str}')
        
    except FileNotFoundError:
        print(f'错误：未找到日期{date_str}对应的DBF文件')
    except KeyError as e:
        print(f'错误：合并时缺少列{e}')
    except Exception as e:
        print(f'处理日期{date_str}时出错：{str(e)}')

关键改进点 #

• 用f-string简化拼接：减少字符串拼接错误，提升代码可读性。
• 字典存储DataFrame：避免全局变量污染，方便后续批量操作（如遍历所有生成的DataFrame）。
• 添加异常捕获：处理文件缺失、列名不匹配等常见错误，保证程序稳定性。
• 简化循环逻辑：直接遍历列表元素，避免索引操作失误。
• 明确合并规则：指定how参数，让合并逻辑更清晰，避免隐式行为导致的问题。

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