如何使用存储DataFrame名称的列表完成Pandas拼接操作

现有存储DataFrame变量名的字符串列表：

name_list = ['df1', 'df2', 'df3']

当前代码环境中已经创建了3个结构完全一致的DataFrame实例：df1、df2、df3，需要直接通过上述列表完成多DataFrame拼接，避免手动编写pd.concat([df1, df2, df3])这类显式枚举所有对象的代码。

前期尝试的两种实现方式均触发报错：

• 方式1：直接传入字符串列表执行拼接

df = pd.concat(name_list)

触发报错：

TypeError: cannot concatenate object of type '<class 'str'>'; only Series and DataFrame objs are valid

• 方式2：通过globals()获取对象后拼接

df = pd.concat([globals()[i] for i in name_list])

触发报错：

KeyError: 'df1'

• 第一种方式报错核心原因：pd.concat要求传入的可迭代对象元素必须是Series或者DataFrame实例，传入的列表元素是字符串类型，不符合入参要求。
• 第二种方式报错核心原因：globals()仅能返回当前全局作用域的变量名-对象映射，如果df1/df2/df3定义在函数局部作用域、类作用域，或者是Jupyter类交互环境的隔离单元格作用域中，就无法从globals()中匹配到对应键，触发KeyError。

方案1：匹配作用域取对象 #

如果DataFrame定义在局部作用域（比如函数内部），把globals()替换为locals()获取当前局部作用域的变量映射即可：

import pandas as pd

def concat_test():
    # 局部作用域下的3个DataFrame
    df1 = pd.DataFrame({'col': [1,2]})
    df2 = pd.DataFrame({'col': [3,4]})
    df3 = pd.DataFrame({'col': [5,6]})
    name_list = ['df1', 'df2', 'df3']
    # 从局部作用域取对象拼接，加ignore_index重置索引避免重复
    df = pd.concat([locals()[name] for name in name_list], ignore_index=True)
    return df

如果确认DataFrame在全局作用域，仍触发KeyError，可以先执行print(globals().keys())查看当前全局作用域实际存在的变量名，排查是否存在变量名拼写错误、变量未提前执行定义的问题。

方案2：字典统一管理DataFrame（推荐） #

最稳妥的方式是从DataFrame创建阶段就用字典统一存储所有实例，完全规避作用域带来的变量查找问题，也是工程化代码的常用写法：

import pandas as pd

# 初始化存储字典
df_container = {}
# 把DataFrame存入字典，key和你列表里的字符串对应
df_container['df1'] = pd.DataFrame({'col': [1,2]})
df_container['df2'] = pd.DataFrame({'col': [3,4]})
df_container['df3'] = pd.DataFrame({'col': [5,6]})

name_list = ['df1', 'df2', 'df3']
# 直接从字典取对象拼接，不受任何作用域限制
df = pd.concat([df_container[name] for name in name_list], ignore_index=True)

提示：多DataFrame拼接时建议加上ignore_index=True参数，自动重置拼接后结果的行索引，避免原索引重复带来的后续处理问题。

内容的提问来源于stack exchange，提问作者Economist Learning Python