Python循环内多分支代码优化：动态处理季度变量问题

现有Python代码通过if-elif分支处理不同季度（2ND/3RD/4TH）的数据，但每个分支逻辑高度重复，需要手动定义Q2_names、Q3_Pay这类季度专属变量，尝试用Q{qtr}动态命名变量没成功，想找不用重复写代码的优化方案。原代码如下：

if qtr == "2ND":
    Q2_names_e = re.findall(r'^(\d{2,4})\s+\w+\s+\w+', text, re.MULTILINE)
    Q2_names.append(Q2_names_e)
    lines = text.split('\n')
    df1 = pd.DataFrame([line.split() for line in lines])
    for index, row in df1.iterrows():
        if row[1] == 'EARNINGS:':
            Q2_Pay_e =row[3]
            Q2_Pay.append(Q2_Pay_e)
elif qtr == "3RD":
    Q3_names_e = re.findall(r'^(\d{2,4})\s+\w+\s+\w+', text, re.MULTILINE)
    Q3_names.append(Q3_names_e)
    lines = text.split('\n')
    df2 = pd.DataFrame([line.split() for line in lines])
    for index, row in df2.iterrows():
        if row[1] == 'EARNINGS:':
            Q3_Pay_e =row[3]
            Q3_Pay.append(Q3_Pay_e)
elif qtr == "4TH":
    Q4_names_e = re.findall(r'^(\d{2,4})\s+\w+\s+\w+', text, re.MULTILINE)
    Q4_names.append(Q4_names_e)
    lines = text.split('\n')
    df3 = pd.DataFrame([line.split() for line in lines])
    for index, row in df3.iterrows():
        if row[1] == 'EARNINGS:':
            Q4_Pay_e =row[3]
            Q4_Pay.append(Q4_Pay_e)
else:
    break      

别用动态命名变量，改用字典来存储各季度数据，能彻底统一逻辑，消除重复代码。优化后的代码如下：

# 初始化字典，代替原来零散的Q2_names/Q3_Pay等变量
quarter_data = {
    "2": {"names": [], "pay": []},
    "3": {"names": [], "pay": []},
    "4": {"names": [], "pay": []}
}

# 提取季度数字（比如从"2ND"拿到"2"）
qtr_num = qtr[:1]
# 不是目标季度就直接跳出
if qtr_num not in quarter_data:
    break

# 统一执行所有季度的处理逻辑
names_e = re.findall(r'^(\d{2,4})\s+\w+\s+\w+', text, re.MULTILINE)
quarter_data[qtr_num]["names"].append(names_e)

lines = text.split('\n')
df = pd.DataFrame([line.split() for line in lines])
for _, row in df.iterrows():
    if row[1] == 'EARNINGS:':
        pay_e = row[3]
        quarter_data[qtr_num]["pay"].append(pay_e)

优化说明 #

• 用字典quarter_data按季度数字分类存储数据，既避免了手动定义一堆变量，也绕开了动态命名变量的坑（Python里不推荐动态命名变量，字典是更规范的做法）
• 所有季度的处理逻辑完全一致，后续要加1季度的话，只需要在字典里加个"1": {"names": [], "pay": []}就行，不用改逻辑代码
• 删掉了重复的正则匹配、文本分割、DataFrame创建等代码，整体更简洁，维护起来也方便

内容的提问来源于stack exchange，提问作者Dmata