如何从字典中批量生成多个DataFrame？

方法一：通过globals()生成全局DataFrame变量 #

Python的globals()函数会返回当前全局命名空间的字典，我们可以直接将字典的键作为变量名、对应值作为DataFrame存入这个字典，从而生成全局变量：

import pandas as pd

# 示例字典（替换为你的实际字典）
df_dict = {"df_text": pd.DataFrame({'col1': [1, 2]}), 
           "df_logo": pd.DataFrame({'col2': [3, 4]}), 
           "df_person": pd.DataFrame({'col3': [5, 6]})}

# 循环生成全局变量
for var_name, df in df_dict.items():
    globals()[var_name] = df

# 验证生成结果
print(df_text)
print(df_logo)

方法二：局部作用域内用locals()生成变量 #

如果是在函数等局部环境中操作，使用locals()获取当前局部命名空间的字典，操作逻辑和globals()一致：

import pandas as pd

def create_local_dfs():
    df_dict = {"df_text": pd.DataFrame({'col1': [1, 2]}), 
               "df_logo": pd.DataFrame({'col2': [3, 4]}), 
               "df_person": pd.DataFrame({'col3': [5, 6]})}
    
    for var_name, df in df_dict.items():
        locals()[var_name] = df
    
    # 局部环境内可直接调用生成的变量
    print(df_person)

create_local_dfs()

注意事项 #

• 不推荐使用exec()函数实现（如exec(f"{var_name} = df")），这种写法存在代码注入风险，当字典键不可控时会引发安全问题。
• 若字典规模极大，生成大量独立变量会导致命名空间混乱，建议优先直接通过原字典访问DataFrame（如df_dict["df_text"]），更便于维护。

内容的提问来源于stack exchange，提问作者sam_sam