如何根据DataFrame行数动态创建变量并绑定指定列取值

首先需要明确：生产代码中不推荐零散生成x_1、x_2...x_N这类独立全局变量——这类变量散落在命名空间中，后续批量遍历、值校验、异常排查的成本极高，当列的取值数量变多后，代码可维护性会大幅下降。绝大多数适配动态行数的场景，用结构化容器存储取值，比硬生成零散独立变量的实用性强得多。

优先推荐的适配方案 #

这类方案完全匹配行数动态变化的需求，无额外维护痛点：

• 直接将目标列的全部行值提取为Python列表，后续按需索引取值即可：

# 提取df_cc列索引为3的全部行值
target_values = df_cc.iloc[:, 3].tolist()
# 原手动赋值的x_1等价于target_values[0]、x_2等价于target_values[1]，以此类推

这种写法不需要根据行数手动调整代码，不管最终列的取值有2个、5个还是上百个，都能直接适配。后续要对所有值做批量处理时，直接循环列表即可，效率远高于零散变量的操作。

• 如果需要保留x_1、x_2...的命名格式做标识，建议用字典存储，避免污染全局命名空间：

value_map = {f"x_{i+1}": cell_val for i, cell_val in enumerate(df_cc.iloc[:, 3])}
# 取值时直接通过键访问，比如取x_3对应的值就是 value_map["x_3"]

必须动态生成独立零散变量的实现 #

如果业务场景有特殊要求，确实需要在当前作用域生成独立命名的x_N变量，可以通过修改当前作用域的命名空间字典实现，注意这种方式仅适合临时脚本场景，不要在生产模块、类逻辑中使用：

# 遍历目标列的所有行值，动态生成对应命名的全局变量
for row_idx, cell_val in enumerate(df_cc.iloc[:, 3]):
    globals()[f"x_{row_idx + 1}"] = cell_val

实现后，不管df_cc有多少行，当前作用域下都会自动生成对应数量的x_1到x_N变量，和手动逐行赋值的效果完全一致。

注意事项 #

• 动态生成的零散变量没有静态类型提示，IDE不会提供自动补全、拼写校验功能，一旦后续编码时写错变量名，会直接触发运行时报错，排查成本很高
• 当DataFrame行数动态变化时，旧的命名空间残留会造成逻辑bug：比如本次运行df只有2行，只生成了x1、x2，之前运行残留的x3、x4旧值不会被自动清理，误取旧值就会导致逻辑错误，每次生成变量前需要手动清理旧的同名变量。

内容的提问来源于stack exchange，提问作者maurice1600