初始化多个空pandas DataFrame是否有更优雅高效的方式

你当前逐行赋值初始化空DataFrame的写法重复冗余，以下是更简洁的替代实现，不同方案性能差异极小（空DataFrame构造本身开销在微秒级，完全不影响业务运行），核心优势是提升代码可维护性：

• 方案1：字典统一存储（最推荐）
  把所有同类型的空DataFrame放到字典里管理，后续批量操作、排查问题都更方便，不会出现零散变量名写错的问题：

  import pandas as pd
  
  df_list = ["isd", "ind", "exd", "psd", "visd", "vind", "vexd", "sd", "ise", "idb", "mdd", "add"]
  df_map = {name: pd.DataFrame() for name in df_list}
  
  # 后续调用示例：取原来的isd变量直接写 df_map["isd"] 即可
  

  如果后续需要给所有df统一加字段、统一导出、统一做预处理，直接遍历df_map.values()就能实现，不用重复写12次变量名。

• 方案2：动态生成独立变量（不推荐，仅作补充）
  如果你一定要保留原来独立变量的调用方式，可以通过修改全局命名空间动态赋值：

  import pandas as pd
  
  for name in ["isd", "ind", "exd", "psd", "visd", "vind", "vexd", "sd", "ise", "idb", "mdd", "add"]:
      globals()[name] = pd.DataFrame()
  

  注意：不要在函数内部用locals()做同类操作，部分Python版本下局部命名空间的动态修改不会生效，会触发难以排查的bug。

额外性能优化提示 #

如果你提前知道这些DataFrame对应的列名、字段数据类型，初始化的时候直接指定列和dtype，比先生成空df再逐行追加/赋值数据的运行速度快数倍：

# 预定义列和类型的初始化示例
df = pd.DataFrame(
    columns=["user_id", "score", "create_time"],
    dtype={"user_id": "int64", "score": "float64", "create_time": "datetime64[ns]"}
)

内容的提问来源于stack exchange，提问作者Saad Saleem