如何通过函数批量为多个DataFrame创建数据源列表？

方法1：用字典统一管理DataFrame，批量生成结果 #

把所有需要处理的DataFrame存入字典（键为自定义的结果名称，值对应目标DataFrame），遍历字典即可批量生成数据源列表，结果统一存在新字典里，方便后续调用：

# 第一步：将所有目标DataFrame存入字典
df_dict = {
    "datasource": df,
    "datasource1": df1,
    "datasource2": df2,
    "datasource3": df3
}

# 第二步：批量生成数据源列表
result_dict = {}
for name, dataframe in df_dict.items():
    result_dict[name] = dataframe['Data_source'].tolist()

# 调用示例：result_dict['datasource']、result_dict['datasource1']

方法2：定义函数处理任意数量的DataFrame #

如果偏好直接生成独立变量，可以写一个接收任意数量DataFrame的函数，返回对应数据源列表组成的元组，一次性解构出所有变量：

def get_datasource_lists(*dfs):
    return [df['Data_source'].tolist() for df in dfs]

# 使用示例：
datasource, datasource1, datasource2, datasource3 = get_datasource_lists(df, df1, df2, df3)

小提示 #

相比生成一堆零散的变量，用字典统一管理结果更易维护——后续新增DataFrame时，只需在字典里补充条目，不用重复编写相似代码。

内容的提问来源于stack exchange，提问作者hazen23