如何用循环多次运行Python脚本，传入不同日期年份参数并合并DataFrame

步骤1：封装生成DataFrame的逻辑为函数 #

如果你的原脚本是直接执行的代码，先把生成DataFrame的核心逻辑封装成可复用的函数，方便传入参数调用：

import pandas as pd

def generate_target_df(date_param, year_param):
    # 替换成你原脚本生成DataFrame的实际代码
    # 示例：模拟生成数据（仅作演示，需替换为真实逻辑）
    data = {
        'record_date': [date_param],
        'year': [year_param],
        'metric_value': [pd.np.random.randint(1, 100)]
    }
    return pd.DataFrame(data)

步骤2：定义所有需要传入的参数组合 #

把要测试的date和year参数整理成一个列表，每个元素是一组参数元组：

# 按需求添加更多参数组合
parameter_pairs = [
    ('01Jan2022', '2022'),
    ('11Jan2022', '2022'),
    ('21Jan2022', '2022'),
    # ... 可继续添加其他参数对
]

步骤3：循环执行并收集所有DataFrame #

初始化一个空列表，遍历参数组合，每次调用函数生成DataFrame并添加到列表中：

collected_dfs = []
for date, year in parameter_pairs:
    current_df = generate_target_df(date, year)
    collected_dfs.append(current_df)

步骤4：拼接所有DataFrame得到最终结果 #

用pandas.concat()把收集到的DataFrame拼接成一个大表，ignore_index=True可重置索引避免重复：

final_result_df = pd.concat(collected_dfs, ignore_index=True)
# 查看最终结果
print(final_result_df)

注意事项 #

• 确保所有生成的DataFrame列名和数据类型完全一致，否则拼接后会出现缺失值或列错位问题。
• 如果原脚本包含IO操作（比如读取文件），建议在函数中加入try-except块处理异常，避免单次执行失败中断整个循环。

内容的提问来源于stack exchange，提问作者user20159866