如何使用DataFrame名称作为变量完成赋值，实现字符串转DataFrame对象

推荐方案：用字典映射存储所有源DataFrame #

这是最安全、可维护性最高的实现方式，提前把所有你需要用到的源DataFrame存入一个字典，键就是你在df_config里填的DataFrame名称字符串，值为实际的DataFrame对象：

# 提前构建映射字典
source_df_map = {
    "df_source_1": df_source_1,
    "df_source_2": df_source_2,
    # 其他所有源DataFrame都按格式添加即可
}

然后在你的循环里，直接从字典里取出对应的DataFrame即可，不需要修改原有的cat_update函数：

for n in range(len(df_config)):
    cat_lst = df_config.at[n,'category'].split(",")
    con_lst = df_config.at[n,'country'].split(",")
    # 从映射字典里取实际的DataFrame对象
    raw_source = source_df_map[df_config.at[n,'Raw source']]
    energy_source = df_config.at[n,'Energy source']
    # 按原有逻辑调用函数
    cat_update(df_templete1, raw_source, cat_lst, con_lst)

后续新增源DataFrame只需要在source_df_map里加一行映射即可，不会有额外的副作用。

可选方案：通过全局变量字典获取（不推荐） #

如果你不想手动维护映射字典，也可以直接从Python的全局变量字典globals()里按字符串取对应的变量，但这种方式存在安全风险，如果配置里的字符串指向非预期的变量会导致程序异常：

for n in range(len(df_config)):
    cat_lst = df_config.at[n,'category'].split(",")
    con_lst = df_config.at[n,'country'].split(",")
    # 从全局变量中取对应的DataFrame
    raw_source = globals()[df_config.at[n,'Raw source']]
    energy_source = df_config.at[n,'Energy source']
    cat_update(df_templete1, raw_source, cat_lst, con_lst)

注意这种方式只能取到当前作用域的全局变量，如果你的源DataFrame定义在其他模块或者局部作用域，需要替换为对应的变量字典。

内容的提问来源于stack exchange，提问作者RSM