在Jupyter中如何通过变量名字符串访问DataFrame对象进行pickle？

直接用%who DataFrame拿到的是变量名字符串，没法直接调用方法，你可以通过全局命名空间字典globals()获取实际的DataFrame对象，并且逐个序列化，避免内存堆积：

核心实现代码 #

import pandas as pd

# 遍历全局变量，筛选并序列化所有DataFrame
for var_name, obj in globals().items():
    # 过滤掉系统临时变量、pandas自身对象，只保留自定义DataFrame
    if isinstance(obj, pd.DataFrame) and not var_name.startswith('_') and var_name != 'pd':
        # 以变量名作为文件名，逐个写入磁盘
        obj.to_pickle(f"{var_name}.pkl")

额外优化 #

如果有不需要序列化的DataFrame，可以添加黑名单过滤：

import pandas as pd

exclude_list = ["temp_df", "intermediate_df"]  # 不需要序列化的变量名
for var_name, obj in globals().items():
    if (isinstance(obj, pd.DataFrame) 
        and not var_name.startswith('_') 
        and var_name != 'pd'
        and var_name not in exclude_list):
        obj.to_pickle(f"{var_name}.pkl")

说明 #

• globals()返回当前Jupyter会话的全局变量字典，键是变量名字符串，值是对应对象，这样就能直接拿到实际的DataFrame
• 循环中直接调用to_pickle，每个对象处理完成后立即写入磁盘，不会在内存中保留所有DataFrame的集合，解决大对象内存问题
• 序列化后的文件可以用pd.read_pickle("变量名.pkl")重新加载

内容的提问来源于stack exchange，提问作者phollox