如何将列表中的DataFrame子集分配给动态命名新变量？是否有专用函数？

嘿，这个需求我太熟悉了——很多人处理批量DataFrame的时候都会想这么干！Python里确实没有专门的内置函数直接完成这个操作，但有几个非常实用的方法，既能实现你的需求，还能兼顾代码的安全性和可读性。

方法1：直接操作全局/局部命名空间（快速但需谨慎） #

你可以通过globals()或locals()字典来动态创建变量，这两个字典分别存储了全局和局部作用域的变量。只要把你的DataFrame作为值，对应名称作为键存入字典，就能直接用变量名访问了。

举个实际的例子：

import pandas as pd

# 模拟你的DataFrame列表
df_list = [
    pd.DataFrame({'user_id': [1, 2, 3], 'username': ['Alice', 'Bob', 'Charlie']}),
    pd.DataFrame({'order_id': [101, 102], 'amount': [99.9, 149.9]})
]
# 每个DataFrame对应的自定义名称
subset_names = ['user_profile', 'sales_orders']

# 循环绑定变量
for name, df in zip(subset_names, df_list):
    globals()[name] = df

# 现在直接用变量名就能访问对应的DataFrame了！
print(user_profile.head())
print(sales_orders.describe())

⚠️ 注意：这种方法会直接修改全局命名空间，如果你的自定义名称和现有变量重名，会直接覆盖原有变量，所以使用前一定要确认名称不冲突。

方法2：用字典/命名元组存储（更推荐！） #

如果不想污染全局命名空间，用字典来存储这些DataFrame是更安全、更清晰的选择。你可以把每个子集名称作为字典的键，对应的DataFrame作为值，后续通过键来访问，还能方便地批量操作所有子集。

示例代码：

# 用字典存储，结构清晰
df_collection = {name: df for name, df in zip(subset_names, df_list)}

# 访问单个DataFrame
print(df_collection['user_profile'])

# 批量遍历所有DataFrame做操作
for name, df in df_collection.items():
    print(f"\n--- {name} 的基本信息 ---")
    print(df.info())

如果觉得字典的键访问不够像变量名，还可以用collections.namedtuple来创建一个可直接通过属性访问的对象：

from collections import namedtuple

# 创建一个命名元组类，字段就是你的子集名称
DFSet = namedtuple('DFSet', subset_names)
# 把DataFrame列表传入，生成实例
dfs = DFSet(*df_list)

# 直接通过属性访问，和变量名一样方便
print(dfs.user_profile)
print(dfs.sales_orders)

自动生成名称（如果没有预先定义名称） #

如果你没有提前准备好子集名称，还可以自动生成类似df_1、df_2这样的变量名：

for idx, df in enumerate(df_list, start=1):
    globals()[f'df_{idx}'] = df

# 访问df_1、df_2...
print(df_1)

总结 #

虽然没有专门的函数直接实现动态命名变量，但用上述几种方法完全能满足需求。优先推荐字典或命名元组的方案，因为它们更可控，不会意外覆盖变量，也让代码的可读性更强。

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