Python3 动态生成按分类命名的DataFrame后如何直接按名称打印

你需要在df_main基础上，按Category字段值拆分出对应命名的独立DataFrame——比如Category为A的行存在df_A中，B的存在df_B中，且这些变量必须能被直接调用、能被Power BI的Python执行环境自动识别为输出表。
你现有代码存在两个核心问题：

• 逐行循环存的是单行Series，不是同分类聚合后的完整DataFrame
• 拆分后的数据存在字典内部，没有暴露为独立的全局变量，既不能直接print(df_A)调用，也无法被Power BI识别为独立数据源

方案1：全局命名空间直接写入（Power BI场景兼容性最优） #

完全不需要exec字符串拼接，直接利用Python内置的全局变量映射机制生成独立变量，运行稳定无兼容性问题：

# 按Category分组，一次性拆分所有分类对应的完整DataFrame
# 生成的字典键自动匹配df_A/df_B/df_C...的命名规则
df_group_dict = {}
for cat_name, group_data in df_main.groupby("Category"):
    df_group_dict[f"df_{cat_name}"] = group_data

# 把字典中的所有DataFrame直接写入全局命名空间，成为独立可调用的变量
globals().update(df_group_dict)

执行完成后：

• 可以直接写print(df_A)、print(df_B)调用对应数据，不需要遍历字典
• Power BI的Python脚本环境会自动扫描全局命名空间下的所有DataFrame，直接识别为可加载的表，完全匹配你的使用要求

这个方案的优势是不受分类名称的特殊字符影响，哪怕Category值包含空格、中文，都能正常生成对应的变量，不会出现字符串拼接的语法错误，在Power BI的沙箱环境中兼容性远高于exec方案。

方案2：exec动态赋值（适合复杂命名规则场景） #

如果你的分类命名规则更复杂，需要在生成变量的时候加额外的判断逻辑，可以用exec做动态赋值，效果和方案1一致：

df_group_dict = {}
for cat_name, group_data in df_main.groupby("Category"):
    var_name = f"df_{cat_name}"
    # 动态生成全局变量
    exec(f"global {var_name}; {var_name} = group_data")

常见踩坑提醒 #

• 不要保留最初逐行遍历iterrows()存数据的写法：那样每个键对应的内容是单行Series，不是完整的同分类DataFrame，打印出来会不符合预期
• 所有生成的变量必须在全局作用域下定义，如果把拆分逻辑写在自定义函数内部，一定要确保变量不会被限制在函数局部，否则Power BI无法扫描到这些DataFrame
• 不需要额外打印所有变量，只要完成全局变量声明，Power BI会自动把这些DataFrame识别为输出数据源

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