Python Pandas 循环中如何按指定列表元素为合并后的DataFrame命名

• 你当前的代码存在三个明确的逻辑问题，直接运行必然出错：
  • 循环枚举的变量filepathlist根本没有定义，你实际定义的路径列表叫path，变量名不匹配会直接触发未定义报错
  • 路径拼接时没有使用当前循环指向的单个目录，反而把整个path列表传给os.path.join，生成的文件路径完全无效，根本匹配不到CSV文件
  • 你写的dfnames[idx] = 合并后的DataFrame，本质只是把dfnames列表里对应位置的字符串值替换成了DataFrame对象，完全没有生成和字符串同名的独立变量，和你的预期不符

不推荐硬生成零散的独立全局变量来存DataFrame，用字典做名称-对象的映射管理是Python处理这类场景的通用做法，可维护性远高于动态生成变量：

1. 初始化空字典，存储自定义名称与对应合并后DataFrame的映射关系
2. 同步遍历路径列表和对应的自定义名称列表，逐目录完成CSV读取、合并操作
3. 后续需要使用某个DataFrame时，直接通过字典的键名取值即可

示例代码：

import os
import glob
import pandas as pd

# 你的原始定义
path = ['users/documents', 'users/desktop']
dfnames = ['ABCDocuments', 'ABCFiles']

# 初始化映射字典
df_map = {}

# 同步遍历路径与对应命名
for target_path, df_label in zip(path, dfnames):
    # 匹配当前目录下所有csv文件
    csv_files = glob.glob(os.path.join(target_path, '*.csv'))
    df_buffer = []
    for csv_file in csv_files:
        df_buffer.append(pd.read_csv(csv_file))
    # 合并当前目录下的所有csv
    merged_df = pd.concat(df_buffer, ignore_index=True)
    # 存入字典建立映射
    df_map[df_label] = merged_df

# 后续使用示例：要获取ABCDocuments对应的df，直接取值
# your_target_df = df_map['ABCDocuments']

如果你确实有特殊需求，必须生成与字符串同名的独立全局变量（仅说明方法，不推荐使用），可以借助Python内置的全局变量字典实现：

• 在循环内把存入字典的代码替换为 globals()[df_label] = merged_df，就会在全局空间生成名为df_label对应字符串的独立变量
• 风险说明：这种写法会让循环生成的变量散落在全局命名空间中，极易和其他代码的同名变量冲突，后续调试时很难追溯变量来源，排查问题成本极高，非必要不要使用

内容的提问来源于stack exchange，提问作者SOK