如何实现批量读取zip内CSV为与文件名同名的独立Pandas DataFrame

需要从zip压缩包中批量读取所有CSV文件，每个CSV对应生成独立的DataFrame，且DataFrame名称与对应CSV文件名保持一致，最终实现通过csvNameList中存储的文件名直接引用对应的DataFrame。当前已完成遍历zip包的基础逻辑，但卡在「将读取到的DataFrame绑定为与文件名同名的可调用变量」的环节。

现有问题代码如下：

import os
import zipfile

csvNameList = []
with zipfile.ZipFile('../data/999915.zip') as z:
    for filename in z.namelist():
        csvNameList.append(filename.split(".")[1])
        df_name = filename.split(".")[1]
        df_name = pd.read_csv(z.open(filename),
                              header=None, 
                              sep='\|\|@@##', 
                              na_values='\\N')

现有代码没有建立「文件名-DataFrame」的绑定关系：代码中df_name = filename.split(".")[1]是把提取到的字符串赋值给了固定名称的df_name变量，后续的df_name = pd.read_csv(...)直接将该变量的值覆盖为DataFrame，全程没有生成和文件名同名的独立变量，自然无法通过文件名索引到对应的数据。
另外原代码缺少pandas导入逻辑，直接运行会报pd is not defined的错误。

方案1：字典映射（推荐） #

无需创建零散的全局变量，不会造成命名空间污染，后续对DataFrame的遍历、查找、批量操作都更便捷，是Python中处理这类动态映射场景的标准写法。

示例代码：

import zipfile
import pandas as pd

csvNameList = []
# 初始化映射字典，存储 文件名标识 -> 对应DataFrame 的对应关系
df_container = {}

with zipfile.ZipFile('../data/999915.zip') as z:
    for filename in z.namelist():
        # 过滤非CSV格式的冗余文件，避免读取报错
        if not filename.lower().endswith('.csv'):
            continue
        # 按照原逻辑提取文件名标识
        file_key = filename.split(".")[1]
        csvNameList.append(file_key)
        # 读取CSV并存入映射容器
        with z.open(filename) as f:
            df_container[file_key] = pd.read_csv(
                f,
                header=None,
                sep=r'\|\|@@##',
                na_values='\\N'
            )

使用方式：

• 所有可访问的文件名标识都存在csvNameList中，和原有逻辑完全兼容
• 想获取某个文件名对应的DataFrame，直接从df_container字典中按键取值即可，例如要读取标识为user_info的DataFrame，直接调用df_container['user_info']

方案2：动态绑定全局变量（不推荐） #

如果确实需要实现「直接把文件名当变量名访问DataFrame」的效果，可以借助Python内置的globals()方法动态创建全局变量，但这种方式会直接把生成的变量写入全局命名空间，很容易和代码中已有的变量重名覆盖，排查问题的成本很高，仅在对场景有强需求时使用。

示例代码：

import zipfile
import pandas as pd

csvNameList = []
with zipfile.ZipFile('../data/999915.zip') as z:
    for filename in z.namelist():
        if not filename.lower().endswith('.csv'):
            continue
        file_key = filename.split(".")[1]
        csvNameList.append(file_key)
        # 动态创建和文件名同名的全局变量，绑定读取到的DataFrame
        globals()[file_key] = pd.read_csv(
            z.open(filename),
            header=None,
            sep=r'\|\|@@##',
            na_values='\\N'
        )

使用效果：绑定完成后，直接输入和文件标识一致的变量名即可访问对应DataFrame，例如文件标识为trade_data，直接输入trade_data就能读取对应的数据。

• 读取zip内文件时，建议使用with z.open(...)的上下文管理器写法，避免文件句柄泄漏
• 自定义的分隔符参数sep建议添加r前缀转为原始字符串，避免特殊字符被Python转义导致分隔匹配失败
• 遍历zip内文件时务必添加后缀判断，过滤系统自动生成的隐藏文件（如macOS的.DS_Store）、文件夹项等非CSV内容，避免触发读取异常
• 文件名标识的提取逻辑可以根据实际文件结构调整，例如文件路径带文件夹层级时，可先提取纯文件名部分再拆分标识

内容的提问来源于stack exchange，提问作者cyrus24