Pandas iterrows()循环读取CSV时如何以ISIN值命名独立DataFrame

现有存储ETF元信息的DataFrame，样例结构如下：

import pandas as pd
etf_list = pd.DataFrame({
    'ISIN':['LU1737652583', 'IE00B44T3H88', 'IE0005042456', 'IE00B1FZS574', 'IE00BYMS5W68'],
    'ETF_Vendor':['Amundi', 'HSBC', 'iShares', 'iShares', 'Invesco']
})

本地文件夹ETF/Input/下存储了对应ISIN编号的CSV文件，需要实现逻辑：遍历etf_list时，仅筛选ETF_Vendor字段值为iShares的行，读取对应ISIN的CSV文件生成DataFrame。
原有实现将读取结果存储在df对象中，需要通过df['IE00B1FZS574']的键索引形式访问，目标是直接以ISIN值作为独立变量名访问数据，例如直接输入变量名IE00B1FZS574即可获取对应数据集。

原有存在问题的代码如下：

iShares = [] 
for i, row in etf_list.iterrows():
    if row['ETF_Vendor'] == 'iShares':
        ISIN = row['ISIN']
        iShares.append(ISIN)
        df[row['ISIN']] = 'ETF/Input/' + row['ISIN'] + '.csv'
        df[row['ISIN']] = pd.read_csv(df[row['ISIN']], sep=',', skiprows=2, thousands='.', decimal=',')
    else:
        pass

方案1：动态生成独立全局变量（完全匹配需求） #

通过修改Python全局命名空间字典globals()，可以直接将ISIN字符串作为变量名创建对应变量，修改后代码如下：

iShares = [] 
for i, row in etf_list.iterrows():
    if row['ETF_Vendor'] == 'iShares':
        ISIN = row['ISIN']
        iShares.append(ISIN)
        file_path = f'ETF/Input/{ISIN}.csv'
        # 动态创建以ISIN为名的全局变量
        globals()[ISIN] = pd.read_csv(file_path, sep=',', skiprows=2, thousands='.', decimal=',')

代码运行后，可直接通过IE00B1FZS574、IE0005042456这类变量名直接访问对应DataFrame，无需嵌套索引。

风险提示：该方式会直接修改全局命名空间，若ISIN存在重名、或和已有变量/函数名冲突，会直接覆盖原有内容，适合临时脚本使用，生产环境更推荐方案2。

方案2：字典统一存储（推荐规范实践） #

如果不需要强制使用独立变量名，用字典统一管理所有读取到的DataFrame是更安全、易维护的方式：

iShares = []
ishares_df_dict = {}
for i, row in etf_list.iterrows():
    if row['ETF_Vendor'] == 'iShares':
        ISIN = row['ISIN']
        iShares.append(ISIN)
        file_path = f'ETF/Input/{ISIN}.csv'
        ishares_df_dict[ISIN] = pd.read_csv(file_path, sep=',', skiprows=2, thousands='.', decimal=',')

访问时通过ishares_df_dict['IE00B1FZS574']即可获取对应数据，既不会污染全局环境，也方便后续批量遍历所有iShares数据集做统一处理。

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