Pandas合并多DataFrame报错：如何将字符串列表转为对象列表

你之前的循环生成的是存储DataFrame变量名的字符串列表，不是实际的DataFrame对象，传给pd.merge时自然会触发类型错误。

方法1：通过作用域字典直接取对应变量 #

Python会把当前作用域的所有变量存在字典里：全局作用域的变量存在globals()返回的字典中，函数内部的局部变量存在locals()返回的字典中，字典的key就是变量名的字符串，value就是变量本身。你只要按名字从字典里取值，就能拿到对应的DataFrame，不用硬编码把所有变量列一遍。

如果你的10个DataFrame是写在脚本、Jupyter单元格顶层的全局变量，直接用下面的代码构建列表就行：

from functools import reduce
import pandas as pd

offers_df_list = []
for i in range(1, 11):
    df_name = f'offer_{i}_activity'
    offers_df_list.append(globals()[df_name])

# 你原来写的合并逻辑不用改
offers_activity = reduce(
    lambda left, right: pd.merge(left, right, on='customer_id', how='outer'),
    offers_df_list
)

如果这些DataFrame是定义在某个函数里的局部变量，把上面代码里的globals()换成locals()就能正常取到值。

别用eval()做这个事，它有代码注入风险，要是变量名来源不可控很容易出安全问题，直接访问作用域字典稳妥得多。

方法2：从源头避免找变量的麻烦（推荐） #

最规范的写法是你最开始生成这10个DataFrame的时候，就直接往列表里存，不要一个个单独命名成offer_1_activity、offer_2_activity这类分散的变量，后面根本不需要做「字符串转变量」的操作：

from functools import reduce
import pandas as pd

offers_df_list = []
for i in range(1, 11):
    # 这里替换成你原来生成每个活动DataFrame的逻辑，比如读csv、做数据统计之类的
    # 举个例子：current_df = pd.read_csv(f'offer_{i}_activity_data.csv')
    current_df =  # 你自己的df生成逻辑
    offers_df_list.append(current_df)

# 直接合并就行
offers_activity = reduce(
    lambda left, right: pd.merge(left, right, on='customer_id', how='outer'),
    offers_df_list
)

用globals()/locals()取值的时候如果报KeyError，先检查对应序号的DataFrame是不是真的定义了，有没有拼错变量名，比如漏写下划线、序号写错这类低级问题。

内容的提问来源于stack exchange，提问作者minato namikaze