Python如何基于字符串列表批量筛选Pandas DataFrame生成独立子表

首先提醒一个Python基础语法细节：Python列表为0索引，你示例中使用的lines[1]实际取到的是列表第二个元素（也就是示例里的Rafa），如果要取第一个元素John，应该使用lines[0]，以下方案默认适配正确的索引对应关系，你可以根据实际需求调整序号起始值。

方案1：用字典存储筛选结果（最推荐） #

动态生成独立变量不仅不利于后续批量管理，调用时也需要硬编码变量名，出错概率更高。更高效的方式是把所有筛选后的DataFrame统一存在字典中，直接通过键名调用即可：

# 初始化存储结果的空字典
name_df_dict = {}

# 遍历名字列表，start=1代表序号从1开始计数
for idx, name in enumerate(lines, start=1):
    # 增加na=False避免Identifier列有空值时出现报错
    name_df_dict[f"names_{idx}"] = Registration[Registration['Identifier'].str.contains(name, na=False)]

后续需要调用对应结果时，直接使用name_df_dict["names_1"]即可拿到第一个名字对应的筛选结果，批量遍历、增删操作都非常方便。

方案2：动态生成独立全局变量（仅满足指定需求，不推荐） #

如果确实需要生成names_1、names_2这类独立的全局变量，可以通过globals()方法实现：

for idx, name in enumerate(lines, start=1):
    globals()[f"names_{idx}"] = Registration[Registration['Identifier'].str.contains(name, na=False)]

运行代码后就可以直接调用names_1、names_2这类变量使用。

内容的提问来源于stack exchange，提问作者Rafael Soler Ortuño