如何基于另一DataFrame的区间值拆分DataFrame并自动命名子表

方法1：直接生成全局变量（满足你的自动命名需求） #

你之前的代码无法生效是因为仅修改了局部变量name的值，没有在全局命名空间中创建对应名称的变量，可以通过globals()方法实现：

for i in range(len(df_segment_list)):
    globals()[f"df_segment_{i}"] = df_segment_list[i]

运行后即可直接使用df_segment_0、df_segment_1等变量进行后续计算，比如：

df_segment_0 = df_segment_0.assign(col_3 = df_segment_0["Col_1"] / df_segment_0["Col_2"])

方法2：用字典存储（更规范，推荐使用） #

直接生成全局变量容易造成命名空间污染，也不便于后续批量处理所有子表，更推荐用字典存储所有拆分后的DataFrame：

df_seg_dict = {}
for idx, seg_df in enumerate(df_segment_list):
    df_seg_dict[f"df_segment_{idx}"] = seg_df

后续访问方式如下：

# 单独访问单个子表
df_seg_dict["df_segment_0"] = df_seg_dict["df_segment_0"].assign(col_3 = df_seg_dict["df_segment_0"]["Col_1"] / df_seg_dict["df_segment_0"]["Col_2"])

# 批量处理所有子表
for seg_name, seg_df in df_seg_dict.items():
    df_seg_dict[seg_name] = seg_df.assign(col_3 = seg_df["Col_1"] / seg_df["Col_2"])

额外优化：区间拆分代码优化 #

你之前用try-except跳过最后一个索引的写法可以优化，直接遍历区间边界的相邻元素即可，不会触发报错：

seg_heights = df_segments["Section Height"].tolist()
df_segment_list = []
# 遍历相邻的区间起止值
for start, end in zip(seg_heights[:-1], seg_heights[1:]):
    filter_mask = (df["Height"] >= start) & (df["Height"] < end)
    df_segment = df.loc[filter_mask, ["Height", "Col_1", "Col_2"]]
    df_segment_list.append(df_segment)

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