如何在循环中使用字符串名称作为Pshape实现动态shape函数调用？

我懂你的需求——现在硬编码单个变量的时候，能正常把它传入shape函数显示状态，但每次新增变量都得手动加代码，既繁琐又不灵活，想通过循环让代码更高效、更动态，这个思路完全没问题！

先假设你的硬编码代码大概是这样（以Python+NumPy为例，其他语言思路一致）：

硬编码示例：

import numpy as np

# 硬编码固定变量
sales_2023 = np.array([100, 200, 300])
sales_2024 = np.array([[150, 250], [350, 450]])

# 手动调用shape函数
print(f"sales_2023 的shape: {sales_2023.shape}")
print(f"sales_2024 的shape: {sales_2024.shape}")

下面给你两种实用的优化方案，按需选择：

方案1：用容器（列表/字典）收纳变量，循环遍历（推荐） #

这是最安全、可读性最高的方式，避免直接操作变量名带来的风险：

场景1：只需要处理变量值（不需要保留原变量名） #

把所有要处理的变量放进列表，循环遍历每个元素调用shape：

import numpy as np

# 将目标变量统一存入列表
target_datasets = [
    np.array([100, 200, 300]),
    np.array([[150, 250], [350, 450]]),
    np.array([50, 60, 70, 80])
]

# 循环处理每个变量
for idx, dataset in enumerate(target_datasets):
    print(f"第{idx+1}个数据集的shape: {dataset.shape}")

场景2：需要保留原变量名（要显示哪个变量对应哪个shape） #

用字典存储“变量名-变量值”的键值对，循环遍历键值对：

import numpy as np

# 用字典存储变量名和对应的数据
dataset_dict = {
    "sales_2023": np.array([100, 200, 300]),
    "sales_2024": np.array([[150, 250], [350, 450]]),
    "inventory_data": np.array([50, 60, 70, 80])
}

# 循环遍历字典，同时获取变量名和值
for var_name, dataset in dataset_dict.items():
    print(f"变量 {var_name} 的shape: {dataset.shape}")

方案2：通过字符串变量名获取变量（特殊场景用） #

如果你确实需要从字符串形式的变量名来获取对应变量（比如从配置文件读取变量名），可以用globals()或locals()函数，但要注意：这种方式容易引发命名冲突，尽量少用：

import numpy as np

# 先定义好变量
sales_2023 = np.array([100, 200, 300])
sales_2024 = np.array([[150, 250], [350, 450]])

# 存储变量名字符串的列表
var_name_list = ["sales_2023", "sales_2024"]

# 循环处理每个字符串变量名
for name in var_name_list:
    # 从全局命名空间获取变量
    target_var = globals().get(name)
    if target_var is not None:
        print(f"变量 {name} 的shape: {target_var.shape}")
    else:
        print(f"未找到名为 {name} 的变量")

最后提个小建议：优先用方案1的容器方式，代码更清晰也更安全。如果你的代码是其他语言（比如R、Java），核心思路也是一样的——把需要处理的变量集合到数组、列表或映射结构里，循环遍历处理就行～

内容的提问来源于stack exchange，提问作者NetTemple