如何从DataFrame列表中循环生成独立DataFrame，无需手动逐个赋值？

首先说明：动态生成独立变量名的做法并不推荐，更建议用字典统一管理所有DataFrame，后续调用、批量处理都会更方便。两种实现方式如下：

方案1：推荐——字典存储（更易维护） #

# 生成键为df1、df2...的字典，值对应列表里的DataFrame
df_dict = {f"df{i+1}": df[i] for i in range(len(df))}

# 后续调用示例
print(df_dict["df1"]) # 对应原列表里的第一个DataFrame
print(df_dict["df2"]) # 对应原列表里的第二个DataFrame

这个方案不会污染全局命名空间，批量处理的时候直接遍历字典即可，不需要硬编码变量名。

方案2：直接生成全局独立变量 #

如果确实需要直接生成df1、df2这类可以直接调用的全局变量，可以借助globals()方法实现：

for i in range(len(df)):
    globals()[f"df{i+1}"] = df[i]

# 执行后就可以直接调用df1、df2...dfn
print(df1)
print(df2)

原代码无法生效的原因 #

你之前写的代码无法达到预期主要有3个问题：

• 变量名dfn是固定字符串，不会随着n的数值变化变成df1、df2，每次循环都会覆盖同一个变量
• counter变量在循环里没有递增，永远停留在初始值0
• 循环范围写的是range(0,len(df)-1)，会漏掉列表最后一个元素，不需要额外减1

内容的提问来源于stack exchange，提问作者Andi Osika