如何用循环将字典中的Pandas DataFrame转为独立变量并生成频率表？

核心实现思路 #

直接通过globals()（全局命名空间）或locals()（局部命名空间）动态创建变量，这样Spyder的变量浏览器能直接识别这些独立的DataFrame对象，方便后续修改和查看。

完整代码示例 #

1. 模拟场景（生成频率统计字典） #

先还原原始DataFrame和频率字典的生成过程：

import pandas as pd

# 原始示例DataFrame
df_raw = pd.DataFrame({
    '性别': ['男', '女', '男', '男', '女'],
    '城市': ['北京', '上海', '北京', '广州', '上海'],
    '年龄组': ['青年', '中年', '青年', '老年', '中年']
})

# 生成各列的频率统计字典
freq_dict = {}
col_names = df_raw.columns.tolist()  # 存储所有键的列表

for col in col_names:
    # 生成符合要求的频率表：类别、计数、占比
    freq = df_raw[col].value_counts().reset_index()
    freq.columns = [col, '计数']
    freq['占比(%)'] = round(freq['计数'] / len(df_raw) * 100, 2)
    freq_dict[col] = freq

2. 循环将字典内的DataFrame转为独立变量 #

# 遍历字典，将每个DataFrame以键名为变量名存入全局命名空间
for df_name, df_data in freq_dict.items():
    globals()[df_name] = df_data.copy()  # 用copy()确保生成独立对象，避免原字典数据被联动修改

关键说明 #

• 使用globals()：生成的变量会处于全局命名空间，Spyder的变量浏览器会直接显示这些DataFrame（比如性别、城市、年龄组）。
• .copy()：必须添加该方法，确保生成的是独立的DataFrame对象，后续修改变量时不会影响原字典内的数据。
• 变量名校验：确保freq_dict的键名是合法的Python变量名（无空格、特殊字符），且与现有变量无重名，避免被覆盖。

后续修改示例 #

生成独立变量后，直接对变量进行修改即可：

# 示例：修改「性别」频率表，新增备注列
性别['备注'] = ['男性群体', '女性群体']

内容的提问来源于stack exchange，提问作者Ivy McKee