Python：如何无需逐个输入字符串即可按行业批量筛选DataFrame列

推荐优先用字典存储各行业的独立DataFrame，80+行业不需要单独声明变量，调用、遍历都更方便，两种实现方式可选：

方式1：groupby 字典推导式（最简写法） #

一行代码即可完成所有行业的拆分，性能优于手动循环过滤：

industry_dfs = {industry: df[['Value']].copy() for industry, df in data.groupby('MacrIndustry')}

调用时直接取字典键即可，效果和你手动生成的HighTech变量完全一致：
high_tech_df = industry_dfs['High Technology']

方式2：for 循环实现（逻辑更直观） #

如果需要在拆分时增加额外的处理逻辑，可以用显式循环：

# 初始化空字典存储结果
industry_dfs = {}
# 遍历所有唯一行业值
for ind in data['MacrIndustry'].unique():
    industry_dfs[ind] = data.loc[data['MacrIndustry'] == ind, ['Value']].copy()

如果你确实需要将每个行业的数据存为独立的全局变量（不推荐，变量过多不好管理），可以借助globals()实现：

for ind in data['MacrIndustry'].unique():
    # 把行业名称里的空格替换为下划线，符合Python变量命名规范
    var_name = ind.replace(' ', '_')
    globals()[var_name] = data.loc[data['MacrIndustry'] == ind, ['Value']].copy()

生成后可以直接通过变量名High_Technology调用对应行业的数据。

注：代码里加.copy()是为了避免后续修改拆分后的小数据集时联动修改原始数据集，不需要可删除。

内容的提问来源于stack exchange，提问作者JonDerDon