如何在循环中返回DataFrame实例？Python类生成DataFrame遇阻

问题分析 #

你写的代码里存在几个关键问题：

• 第一个循环中，每次创建myclass实例后，y.output只是单纯访问属性，但没有将结果保存或留存，循环结束后y只会保留最后一次创建的实例，之前的实例都会被Python自动回收，所以看起来“没法运行”。
• 动态变量尝试的代码里，var = 'var'+str(i)定义了字符串形式的变量名，但紧接着var = myclass(x=n)把这个变量直接覆盖成了类实例，等于白定义了字符串，根本没实现“动态创建变量”的效果。而且这种动态生成变量的方式本身就不推荐，会让代码混乱、难以维护。

正确实现方式 #

方式1：用列表存储类实例（保留类的其他属性） #

如果需要保留myclass的其他属性（比如self.x），可以把每个实例存入列表，后续按需访问：

import pandas as pd

class myclass:
    def __init__(self, x):
        self.x = x
        # 这里替换成读取对应文件生成DataFrame的实际逻辑
        self.output = pd.DataFrame({'A':[2,3,4]})

# 用列表存储所有类实例
instances = []
for n in range(0,5):
    instance = myclass(x=n)
    instances.append(instance)

# 访问第一个实例的DataFrame
print(instances[0].output)
# 访问第三个实例的x属性和对应DataFrame
print(instances[2].x)
print(instances[2].output)

方式2：用字典直接存储DataFrame（更简洁） #

如果只需要保留生成的DataFrame，不需要类的其他属性，可以直接把每个DataFrame存入字典，用编号或文件名作为键：

import pandas as pd

def create_df(x):
    # 替换成读取文件的逻辑，x可以传入文件名或索引
    return pd.DataFrame({'A':[2,3,4]})

df_collection = {}
for n in range(0,5):
    # 用编号作为键，或替换成实际文件名
    df_collection[f'df_{n}'] = create_df(n)

# 访问第一个生成的DataFrame
print(df_collection['df_0'])

不推荐动态创建变量的原因 #

就算用globals()[var_name] = myclass(x=n)这种方式实现动态变量，也会让代码的可读性、可维护性大幅下降，后续很难追踪这些变量的存在，调试也会变得麻烦，用列表或字典是更规范、更易维护的做法。

若坚持用动态变量的修改方案（不推荐） #

如果一定要动态生成变量，代码可以改成这样，但不建议在实际项目中使用：

import pandas as pd

class myclass:
    def __init__(self, x):
        self.x = x
        self.output = pd.DataFrame({'A':[2,3,4]})

for n in range(0,5):
    var_name = f'var{n+1}'
    # 将实例存入全局命名空间，生成动态变量
    globals()[var_name] = myclass(x=n)

# 访问动态生成的变量
print(var1.output)
print(var3.output)

内容的提问来源于stack exchange，提问作者user13930231