Python中如何从DataFrame列表生成独立的单个DataFrame？

好问题！你已经成功生成了包含目标子DataFrame的列表my_dfs，接下来有几种实用方法可以把列表里的元素转换成独立命名的单个DataFrame：

方法1：直接索引赋值（适合少量子DataFrame） #

如果你的子DataFrame数量不多（比如只有2个），直接通过列表索引赋值最直接：

# 对应Name="Joe"且Add="Lo"的子DataFrame
df1 = my_dfs[0]
# 对应Name="John"且Add="Po"的子DataFrame
df2 = my_dfs[1]

这样df1和df2就会成为独立的DataFrame变量，你可以直接对它们进行后续操作。

方法2：用字典存储（推荐，适合任意数量） #

如果后续需要处理更多组合，用字典存储子DataFrame会更规范，也方便管理：

# 先为每个子DataFrame生成自定义名称（结合Names和Add字段）
df_names = [f"df_{name}_{add}" for name, add in data2.values]
# 创建字典，键是自定义名称，值是对应的子DataFrame
df_dict = dict(zip(df_names, my_dfs))

之后你可以通过字典键来调用对应的子DataFrame，比如：

# 调用Joe-Lo对应的子DataFrame
df_dict["df_Joe_Lo"]
# 调用John-Po对应的子DataFrame
df_dict["df_John_Po"]

这种方式避免了污染全局命名空间，而且当子DataFrame数量增加时，管理起来更高效。

方法3：生成全局变量（不推荐大量使用） #

如果你确实需要生成独立的全局变量（不建议用于大量子DataFrame），可以使用globals()函数：

df_names = [f"df_{name}_{add}" for name, add in data2.values]
for name, df in zip(df_names, my_dfs):
    globals()[name] = df

执行后，你就可以直接使用df_Joe_Lo、df_John_Po这些独立变量了。不过这种方式会让全局命名空间变得混乱，所以更推荐用字典的方式。

内容的提问来源于stack exchange，提问作者user6016731