Python调用函数动态赋值变量遇无限循环，求高效实现方案

原代码的核心问题 #

1. 函数逻辑错误：funct(x)中的循环在第一次迭代就执行return，永远只会返回第一个生成的DataFrame，完全没有遍历dynamic_list的后续元素。
2. 重复计算浪费资源：每次调用funct(x)都会重新执行一遍创建所有DataFrame的代码，属于无意义的重复劳动，效率极低。
3. 动态变量不规范：使用globals()动态创建变量不仅代码可读性差，还容易引发命名冲突、调试困难等问题。

优化方案 #

方案一：一次生成所有DataFrame并返回列表（推荐）

把生成所有DataFrame的逻辑整合到函数中，直接返回一个列表，避免重复计算，同时放弃动态变量，用列表索引访问更安全高效。

修改后的函数：

import pandas as pd

def funct(x):
    df_list = []
    # 替换成你实际创建DataFrame的逻辑，根据dynamic_list的每个元素生成对应df
    for item in dynamic_list:
        # 示例：根据item生成df，这里替换成你的真实代码
        df = pd.DataFrame({"data": [item]})
        df_list.append(df)
    return df_list

调用代码：

# 一次性获取所有生成的DataFrame
new_dfs = funct(x)

# 直接通过索引访问，比如取第一个df：new_dfs[0]，第二个：new_dfs[1]
# 如果非要保留动态命名（不推荐），可以这样做：
for idx, df in enumerate(new_dfs, start=1):
    globals()[f"new_df{idx}"] = df

方案二：缓存生成结果，按需返回单个DataFrame

如果需要单独获取某个DataFrame，可以先预先生成所有结果并缓存，再通过索引按需提取，避免重复执行生成逻辑。

import pandas as pd

# 先一次性生成所有DataFrame并缓存
def generate_all_dfs(x):
    df_list = []
    for item in dynamic_list:
        df = pd.DataFrame({"data": [item]})  # 替换为真实生成逻辑
        df_list.append(df)
    return df_list

# 只执行一次生成逻辑
all_dfs = generate_all_dfs(x)

# 按需获取指定索引的DataFrame
def get_single_df(index):
    return all_dfs[index]

# 调用示例
for i in range(len(all_dfs)):
    globals()[f"new_df{i+1}"] = get_single_df(i)

原代码异常原因 #

原函数每次被调用都会重新执行完整的DataFrame生成逻辑，且循环提前return导致每次仅返回第一个df；而调用端的循环又反复触发这个低效过程，不仅无法得到预期的多个df，还可能因重复计算占用大量资源，导致Jupyter Notebook出现假死或循环异常。

内容的提问来源于stack exchange，提问作者user20153724