Python循环处理DataFrame左连接后结果缺失及枚举报错问题咨询

问题背景 #

给定以下DataFrame：

import pandas as pd

df_a1 = pd.DataFrame([['ab1', 10], ['ab2', 15], ['ab3', 14]], columns=['listing_id', 'number_a1'])
df_a2 = pd.DataFrame([['aabb1', 5], ['aabb2', 6], ['aabb3', 7]], columns=['listing_id', 'number_b1'])

df_b1 = pd.DataFrame([['ab1', 20], ['ab3', 25], ['ab4', 20]], columns=['id', 'number_b1'])
df_b2 = pd.DataFrame([['aabb3', 13], ['aabb2', 12], ['aabb4', 11]], columns=['id', 'number_b2'])

需求是将df_a1与df_b1、df_a2与df_b2分别执行左外连接（left outer merge），且因实际DataFrame数量较多，需通过循环实现。

遇到的问题：

• 第一种循环写法：循环内打印合并结果正常，但循环外打印DataFrame时结果缺失
• 改用enumerate遍历列表时触发错误：TypeError: list indices must be integers or slices, not tuple

解决方案 #

核心思路 #

将需要配对合并的DataFrame按组打包，循环处理每组配对，并通过容器（如列表）持久化存储合并结果，避免作用域或赋值方式导致的数据丢失。

方案1：列表存储配对组，循环收集结果 #

把每一组需要合并的DataFrame、连接字段打包成元组存入列表，遍历列表执行合并，结果存入新列表统一管理。

代码示例：

import pandas as pd

# 定义原始DataFrame
df_a1 = pd.DataFrame([['ab1', 10], ['ab2', 15], ['ab3', 14]], columns=['listing_id', 'number_a1'])
df_a2 = pd.DataFrame([['aabb1', 5], ['aabb2', 6], ['aabb3', 7]], columns=['listing_id', 'number_b1'])

df_b1 = pd.DataFrame([['ab1', 20], ['ab3', 25], ['ab4', 20]], columns=['id', 'number_b1'])
df_b2 = pd.DataFrame([['aabb3', 13], ['aabb2', 12], ['aabb4', 11]], columns=['id', 'number_b2'])

# 打包配对组：(a类DataFrame, b类DataFrame, a表连接字段, b表连接字段)
merge_pairs = [
    (df_a1, df_b1, 'listing_id', 'id'),
    (df_a2, df_b2, 'listing_id', 'id')
]

merged_dfs = []
for a_df, b_df, left_col, right_col in merge_pairs:
    # 执行左外连接
    merged_result = pd.merge(a_df, b_df, how='left', left_on=left_col, right_on=right_col)
    merged_dfs.append(merged_result)
    # 循环内验证结果
    print("循环内合并结果：")
    print(merged_result)

# 循环外查看结果
print("\n循环外第一个合并结果：")
print(merged_dfs[0])
print("\n循环外第二个合并结果：")
print(merged_dfs[1])

方案2：动态命名变量（可选，不推荐大量使用） #

如果需要将合并后的DataFrame保存为单独命名的变量（如merged_a1_b1），可通过globals()实现，但大量使用会降低代码可读性。

代码示例：

# 打包配对组，增加目标变量名
merge_pairs_with_names = [
    (df_a1, df_b1, 'listing_id', 'id', 'merged_a1_b1'),
    (df_a2, df_b2, 'listing_id', 'id', 'merged_a2_b2')
]

for a_df, b_df, left_col, right_col, var_name in merge_pairs_with_names:
    merged_result = pd.merge(a_df, b_df, how='left', left_on=left_col, right_on=right_col)
    globals()[var_name] = merged_result

# 循环外直接访问命名变量
print(merged_a1_b1)
print(merged_a2_b2)

错误原因分析 #

1. 循环外结果缺失：通常是因为循环内未将合并结果存入持久化容器（如列表），而是每次循环覆盖同一个变量，或因变量作用域问题导致循环外无法访问。
2. enumerate遍历触发TypeError：大概率是遍历列表元素时，错误地使用了元组作为列表索引，或在enumerate中同时处理多维度元素导致索引逻辑错误。

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