Python多循环执行SQL查询并按类保存至不同DataFrame

需求说明 #

针对每个班级（1-4），批量执行基于inputs参数范围的SQL查询，最终将每个班级的所有查询结果合并为独立的DataFrame（如df_class1、df_class2等）。

完整实现代码 #

import pandas as pd

# 定义SQL模板（占位符顺序：班级编号、student_number下限、student_number下限）
query_template = '''
select name 
from my_table
where class = {}
and student_number > {}
and student_number <= {} + 10
group by name
'''

inputs = list(range(0, 100, 10))
classes = [1, 2, 3, 4]

# 用字典统一管理各班级的DataFrame
class_dataframes = {}

for class_num in classes:
    # 初始化当前班级的空DataFrame
    current_class_df = pd.DataFrame()
    for num in inputs:
        # 替换SQL模板中的参数，生成可执行的查询语句
        sql = query_template.format(class_num, num, num)
        # 执行查询并转换为DataFrame
        query_result = my_db.execute(sql)
        temp_df = pd.DataFrame(query_result)
        # 合并当前批次的结果到班级DataFrame
        current_class_df = pd.concat([current_class_df, temp_df], ignore_index=True)
    # 将班级结果存入字典，键为目标变量名
    class_dataframes[f'df_class{class_num}'] = current_class_df

# 可选：将字典中的DataFrame转为全局变量，直接通过df_class1、df_class2访问
for df_name, df in class_dataframes.items():
    globals()[df_name] = df

关键细节说明 #

• 参数匹配：确保format方法的参数顺序和SQL模板中的占位符完全对应，避免查询逻辑错误
• 结果管理：用字典存储各班级结果，比手动创建多个变量更灵活，班级数量变动时无需修改大量代码
• 合并方式：使用pd.concat替代已弃用的append方法，符合pandas最新语法规范，执行效率更高
• 独立变量生成：通过globals()可以直接将字典中的DataFrame转为df_class1这类全局变量，满足直接调用的需求

内容的提问来源于stack exchange，提问作者lincolnab