Python pandas循环迭代中每次生成新DataFrame的相关问题咨询

完全可以实现需求，以下是两种常用的实现方案：

推荐方案：使用字典/列表存储所有DataFrame（生产环境优先选择） #

这种方式不会污染全局变量空间，后续批量处理（比如统一做数据清洗、指标计算）时可以直接遍历容器，维护成本更低。

• 字典存储（支持按命名取用）：

import pandas as pd

MAX_NUMBER = 5 # 可根据实际需求修改取值
df_dict = {}

for i in range(MAX_NUMBER + 1):
    df_dict[f"df{i}"] = pd.read_csv(f"C:/Users/Desktop/{i}.csv")

调用时直接使用df_dict["df0"]、df_dict["df1"]即可获取对应序号的DataFrame。

• 列表存储（仅需按序号取用场景更简便）：

import pandas as pd

MAX_NUMBER = 5
dfs = []

for i in range(MAX_NUMBER + 1):
    dfs.append(pd.read_csv(f"C:/Users/Desktop/{i}.csv"))

调用时dfs[0]对应需求的df0、dfs[1]对应df1，以此类推。

可选方案：生成独立的df0、df1全局变量 #

如果确实需要生成独立的全局变量，可以借助Python的globals()内置函数实现，代码如下：

import pandas as pd

MAX_NUMBER = 5

for i in range(MAX_NUMBER + 1):
    globals()[f"df{i}"] = pd.read_csv(f"C:/Users/Desktop/{i}.csv")

该方案不推荐在变量数量多的场景使用，大量零散的全局变量会提升代码维护成本，也容易出现命名冲突问题。

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