如何将字典内的DataFrame以Station ID命名为独立数据框？

首先，你第一个写的 dfs = dict(list(df.groupby('Station'))) 其实已经完美实现了按Station ID分组的需求——字典的键就是对应的Station ID，比如要调用某个站点的数据，直接写 dfs["你的Station ID"] 就行（比如 dfs["ST001"]），这种方式比单独创建一堆变量更整洁，尤其是数据集大、站点多的时候，方便批量操作和管理。

如果一定要像R里那样把每个子DataFrame做成单独的变量（直接用Station ID或带前缀的名字调用），可以用Python的globals()函数动态创建：

方法1：直接用Station ID作为变量名 #

# 遍历groupby后的结果，自动生成变量
for station_id, sub_df in df.groupby('Station'):
    globals()[station_id] = sub_df

执行后，直接输入Station ID（比如ST001）就能调用对应的DataFrame。但要注意：如果Station ID是纯数字、包含空格/特殊字符（比如ST-001），会不符合Python变量命名规则，这时候可以给变量加前缀：

方法2：给变量名加前缀（避免命名问题） #

for station_id, sub_df in df.groupby('Station'):
    # 生成类似df_ST001、df_ST002的变量名
    globals()[f"df_{station_id}"] = sub_df

为什么更推荐用字典管理？ #

如果站点数量多，单独创建变量会导致全局环境混乱，不好维护。而用字典的话，你可以轻松批量操作所有子DataFrame，比如批量保存为CSV：

for station_id, sub_df in dfs.items():
    sub_df.to_csv(f"{station_id}_data.csv", index=False)

另外，你第二个尝试的代码可以改成下面这样，让字典的键直接是Station ID，而不是数字序号：

dct = {}
for station_id in df['Station'].unique():
    dct[station_id] = df.loc[df['Station'] == station_id]

不过groupby的写法比这种手动筛选更高效，尤其是处理大型数据集的时候。

内容的提问来源于stack exchange，提问作者skinkleton