Python中如何拆分矩阵并将c1与其余列组合存为独立DataFrame？

核心基于pandas实现，优先推荐用字典存储拆分后的DataFrame，避免动态生成零散变量带来的命名空间污染、难以批量维护的问题。 #

完整实现步骤 #

• 第一步：导入依赖，构造/读取原始数据

import pandas as pd
import numpy as np

# 示例：构造和描述场景一致的原始表，共c1~c50 50列、4行数据
raw_df = pd.DataFrame(
    np.random.randint(1, 500, size=(4, 50)),
    columns=[f"c{i}" for i in range(1, 51)]
)

• 第二步：循环拆分生成子DataFrame，存入字典

# 初始化存储容器，key为自定义的DataFrame名称，value为拆分后的子表
split_df_map = {}

# 固定保留c1列，遍历c2到c50的所有列
for target_col in raw_df.columns[1:]:
    # 切片取c1+当前遍历列，copy是为了避免后续修改子表影响原始数据
    sub_df = raw_df[["c1", target_col]].copy()
    # 按规则命名，比如c1和c2组合的表命名为df_c1_c2
    df_name = f"df_c1_{target_col}"
    split_df_map[df_name] = sub_df

• 第三步：调用使用
  需要取对应子表时，直接通过key索引即可，比如获取c1和c10组合的表：

# 取c1与c10组合的DataFrame
c1_c10_df = split_df_map["df_c1_c10"]

如果需要批量处理所有拆分后的表，直接遍历字典即可，无需手动逐个调用变量。 #

特殊场景：动态生成独立变量（不推荐） #

如果必须要生成独立命名的全局变量（存在命名冲突、后期维护成本高的风险），可以通过修改全局命名空间实现：

警告：该方式仅适用于临时快速脚本，正式生产代码禁止使用

for target_col in raw_df.columns[1:]:
    sub_df = raw_df[["c1", target_col]].copy()
    df_name = f"df_c1_{target_col}"
    # 动态注册为全局变量
    globals()[df_name] = sub_df

# 执行后可以直接调用变量名，比如print(df_c1_c5)即可打印对应表

内容的提问来源于stack exchange，提问作者Dan_N