如何为列表中的每个numpy.ndarray分别创建独立DataFrame

强烈不推荐用动态生成独立变量名的方式管理多个DataFrame，后续检索、遍历、批量处理的成本极高，你提到的字典存储方案是当前场景的最优解，从根源上避免循环覆盖变量的问题。

前置修正 #

你给出的输入列表示例不符合Python语法，数组元素之间需要用逗号分隔，同时注意不要用list作为变量名，会覆盖Python内置的列表类型，导致后续调用内置方法报错。正确的输入写法：

import pandas as pd

arr_list = [
    [1, 2, 3, 4],
    [12, 19, 30, 60, 95, 102]
]

批量生成DataFrame #

遍历存储数组的列表，按照你需要的命名规则生成字典键，对应的值就是转换完成的单列DataFrame：

df_container = {}
# start=1 对应命名里的序号从1开始计数
for arr_index, arr_content in enumerate(arr_list, start=1):
    df_name = f"Array{arr_index}_df"
    # 生成单列DataFrame，列名和DataFrame命名保持一致
    df_container[df_name] = pd.DataFrame(arr_content, columns=[df_name])
    # 如果需要索引从1开始（和你给出的示例效果匹配），加上下面这行
    df_container[df_name].index += 1

调用指定DataFrame #

需要使用对应数组的DataFrame时，直接通过键名从字典中取出即可，例如取第二个数组生成的DataFrame：

array2_df = df_container["Array2_df"]
print(array2_df.head(4))

输出效果和你的预期完全一致：

Array2_df
1         12
2         19
3         30
4         60

注：如果你一定要生成独立命名的全局变量（极度不推荐，仅做原理说明），可以通过globals()实现，但这种方式会让变量管理变得混乱，极易出现命名冲突：

for arr_index, arr_content in enumerate(arr_list, start=1):
    df_name = f"Array{arr_index}_df"
    globals()[df_name] = pd.DataFrame(arr_content, columns=[df_name])
    globals()[df_name].index += 1
# 执行完成后可以直接通过Array1_df、Array2_df访问对应DataFrame

内容的提问来源于stack exchange，提问作者Sarah Phillips