如何在Pandas DataFrame中遍历唯一日期生成新DataFrame并创建全局变量

核心实现思路 #

利用Pandas布尔索引拆分原DataFrame，通过globals()字典在函数内批量创建全局变量——这是循环生成全局变量最简便的方式，无需逐个声明global关键字。

完整代码示例 #

1. 构造原DataFrame #

import pandas as pd

# 初始化原始数据
data = {
    'Date': ['202107', '202107', '202108', '202108', '202108', '202109', '202109'],
    'Col1': [1.23, 1.56, 1.78, 1.53, 1.58, 1.09, 1.07],
    'Col2': [6.72, 2.54, 7.54, 7.43, 2.54, 2.43, 5.32]
}
df = pd.DataFrame(data)

2. 函数内循环生成全局变量与子DataFrame #

def split_and_create_globals():
    # 获取所有唯一日期
    unique_dates = df['Date'].unique()
    
    for date in unique_dates:
        # 生成对应日期的子DataFrame（用copy避免视图修改影响原数据）
        sub_df = df[df['Date'] == date].copy()
        
        # 创建子DataFrame全局变量（命名格式：df_日期，如df_202107）
        globals()[f'df_{date}'] = sub_df
        # 创建值为当前日期的全局变量（命名格式：date_日期，如date_202107）
        globals()[f'date_{date}'] = date
        
        # 此处可添加后续计算逻辑，直接使用sub_df和date变量
        print(f"已生成全局变量：df_{date}、date_{date}")
        print(sub_df, "\n")

3. 调用函数执行 #

split_and_create_globals()

关键说明 #

• globals()的作用：函数内部直接赋值的变量是局部变量，通过globals()字典可以直接向全局命名空间添加键值对，实现循环创建全局变量的需求。
• copy()的必要性：布尔索引返回的是原DataFrame的视图，使用copy()可以生成独立的子DataFrame，避免后续修改子数据影响原DataFrame。
• 命名规范：采用df_日期和date_日期的命名格式，避免与现有全局变量冲突，也便于后续识别调用。

简化版（若仅需单个全局日期变量） #

如果后续计算不需要保留每个日期的独立日期变量，仅需在循环中更新一个全局日期变量，可修改为：

def split_and_create_globals():
    global current_date  # 声明全局变量
    unique_dates = df['Date'].unique()
    
    for date in unique_dates:
        sub_df = df[df['Date'] == date].copy()
        globals()[f'df_{date}'] = sub_df
        current_date = date  # 每次循环更新全局日期变量
        
        # 后续计算可直接使用sub_df和current_date
        print(f"当前全局日期变量current_date：{current_date}")
        print(sub_df, "\n")

内容的提问来源于stack exchange，提问作者Dr.Data