Python 循环中如何通过字符串名称获取对应DataFrame执行计算

你目前拼接得到的dfa/dfb/dfc只是普通字符串，不是对应名称的DataFrame对象，直接对字符串做列索引操作会直接抛出KeyError，根本无法完成计算。要实现“通过和DataFrame完全同名的字符串匹配对应对象”，可以用以下两种适配Python 3.8.5新手的实现方案：

Python运行时会把当前环境下定义的所有变量，存在内置的全局/局部变量字典中，刚好可以实现字符串到对象的映射：

• 如果你的所有df1_xx/df2_xx/df3_xx类型的DataFrame是在全局环境直接定义的，就用globals()返回的字典做映射——这个字典的键就是变量名的字符串，值就是对应的实际对象，完全匹配你的使用场景。
• 修改后的可运行代码：

dfsteps = ['0','1','10','20','30','40','50','60','70','80','90','100']
# 提前获取全局变量字典，避免循环内反复调用增加开销
global_env = globals()
# 准备空字典存储每轮的计算结果，避免循环变量被下一轮覆盖
max_result = {}

for steps in dfsteps:
    # 从全局变量字典中取出对应名称的DataFrame
    dfa = global_env['df1_' + steps]
    dfb = global_env['df2_' + steps]
    dfc = global_env['df3_' + steps]
     
    A1 = dfa['Values1']
    A2 = dfb['Values2']
    A3 = dfc['Values3']
    
    A1max = A1.max()
    A2max = A2.max()
    A3max = A3.max()
    # 存储当前steps对应的三个最大值
    max_result[steps] = (A1max, A2max, A3max)

• 注意：如果你的DataFrame是在函数内部定义的局部变量，只要把代码里的globals()替换成locals()即可，用法完全一致。

这种写法比依赖作用域字典更可控，不会因为变量名拼错、作用域错位出现找不到对象的问题，稳定性更高，适合后续维护：

• 在所有DataFrame定义完成后，直接手动建立“名称字符串- DataFrame对象”的映射关系：

# 提前定义映射字典，键就是循环时用到的steps值，值是对应三个DataFrame的元组
df_map = {
    '0': (df1_0, df2_0, df3_0),
    '1': (df1_1, df2_1, df3_1),
    '10': (df1_10, df2_10, df3_10),
    # 后续按照格式补全剩下的20/30...100对应的条目即可
}

• 循环时直接从这个字典里取值运算即可，代码更简洁，出错概率更低。

• 不要用eval()实现字符串转对象的操作，比如写eval('df1_' + steps)，虽然能跑通，但一旦拼接的字符串存在语法错误，会直接执行对应代码，排查问题难度很高，不推荐使用。
• 不要直接用同名变量存储每轮的最大值，不然循环跑完只会保留最后一个steps对应的计算结果，记得用独立的字典或列表存好每轮的计算结果。

内容的提问来源于stack exchange，提问作者Sud