将多个pandas dataframe批量导出为csv文件的最高效方法是什么

方法1：字典映射法（最推荐） #

这种方式不依赖作用域变量获取，稳定性最高，适合大多数场景：

• 先将需要导出的DataFrame和对应的输出文件名做键值映射
• 直接遍历字典完成批量导出

import pandas as pd

# 构造DataFrame与输出文件名的映射关系
export_map = {
    "df1.csv": df1,
    "df2.csv": df2,
    "df3.csv": df3
}

# 遍历执行导出
for file_name, df_obj in export_map.items():
    # 可根据需求调整to_csv的参数，比如是否保留索引、编码格式等
    df_obj.to_csv(file_name, index=False, encoding="utf-8-sig")

如果需要统一存放到指定目录，拼接路径即可，比如f"./data/{file_name}"。

方法2：动态变量获取法（适合DataFrame数量多、命名规则统一的场景） #

如果不想手动构造映射字典，可以通过内置函数globals()获取全局作用域内的变量，匹配对应名称的DataFrame：

# 提前定义需要导出的DataFrame名称列表
df_name_list = ["df1", "df2", "df3"]

for df_name in df_name_list:
    # 从全局变量中取出对应名称的DataFrame实例
    current_df = globals()[df_name]
    # 导出为和DataFrame同名的CSV文件
    current_df.to_csv(f"{df_name}.csv", index=False, encoding="utf-8-sig")

注意事项：

• 如果DataFrame是定义在函数内部的局部变量，把globals()替换为locals()即可
• 需要确保列表内的名称都是真实存在的DataFrame变量，避免取值异常

通用封装函数 #

可以直接封装为复用函数，适合高频批量导出的场景：

import os
import pandas as pd

def batch_export_df_to_csv(df_name_list, output_path="./export"):
    # 输出目录不存在则自动创建
    os.makedirs(output_path, exist_ok=True)
    for df_name in df_name_list:
        current_df = globals()[df_name]
        save_path = os.path.join(output_path, f"{df_name}.csv")
        current_df.to_csv(save_path, index=False, encoding="utf-8-sig")

# 调用示例
batch_export_df_to_csv(["df1", "df2", "df3"])

内容的提问来源于stack exchange，提问作者trpmgo3