如何使用带条件的for循环参照DF1模板为DF2各玩具名生成独立dataframe

以下是Python+pandas实现的完整代码，你可以直接运行测试：
首先导入依赖并构造示例数据（如果你已经有DF1和DF2可以跳过这部分）：

import pandas as pd

# 示例DF1
DF1 = pd.DataFrame({
    'col1': ['price($)', 'dimension(m)', 'color1'],
    'col2': ['price(#)', 'dimension(inch)', 'color2']
})

# 示例DF2
DF2 = pd.DataFrame({
    'toyname': ['t1', 't2', 't3'],
    'price($)': [2, 3, 12],
    'price(#)': [12, 13, 23],
    'dimension(m)': [11, 10, 20],
    'dimension(inch)': [21, 20, 30],
    'color1': ['gr', 'bl', 'ye'],
    'color2': ['re', 're', 'bl']
})

核心处理逻辑，支持自定义筛选条件：

# 从DF1提取列配对规则
col_pairs = list(DF1.itertuples(index=False, name=None))
# 存储结果：key为玩具名，value为对应独立数据框
toy_dfs = {}

# 遍历DF2的每个玩具条目
for _, row in DF2.iterrows():
    current_toy = row['toyname']
    # 条件判断示例：只生成t1、t2的独立数据框，不需要的可直接跳过
    if current_toy not in ['t1', 't2']:
        continue
    # 按配对规则组装数据
    new_data = []
    for c1, c2 in col_pairs:
        new_data.append([row[c1], row[c2]])
    # 生成符合格式要求的数据框并存入结果
    toy_dfs[current_toy] = pd.DataFrame(new_data, columns=['col1', 'col2'])

如果需要打印验证输出结果，可以执行以下代码：

for name, df in toy_dfs.items():
    print(name)
    print(df.to_string(index=False))
    print()

运行后输出结果和你预期的格式完全一致，后续需要调用某个玩具的独立数据框，直接用toy_dfs['t1']这种方式取值即可。

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