JSON转CSV时：用Pythonic方式关联DataFrame列表与字符串列表

嘿，这个需求其实挺常见的，我给你分享几种实用的实现方式，你可以根据场景选择：

方法1：直接创建全局变量（简单直接） #

如果你就是想把list_A里的字符串变成可直接调用的变量名（比如df1、df2），可以用Python的globals()函数快速实现：

import pandas as pd

# 模拟你的DataFrame列表（实际替换成你的list_B即可）
list_B = [
    pd.DataFrame({'col1': [1,2,3]}),
    pd.DataFrame({'col2': [4,5,6]}),
    pd.DataFrame({'col3': [7,8,9]})
]
list_A = ['df1', 'df2', 'df3']

# 循环完成变量名与DataFrame的一一绑定
for var_name, df in zip(list_A, list_B):
    globals()[var_name] = df

# 测试验证：现在可以直接用df1、df2调用对应的DataFrame了
print(df1.head())
print(df2.head())

globals()返回当前全局命名空间的字典，通过给字典的键（也就是list_A里的字符串）赋值，就能直接创建对应的全局变量，非常直观。

方法2：用字典存储（更安全推荐） #

如果不想污染全局命名空间（比如担心变量名冲突），更推荐用字典来存储这种映射关系，灵活性和可控性更高：

# 用zip把两个列表打包成字典
df_mapping = dict(zip(list_A, list_B))

# 访问方式：通过字典的键获取对应的DataFrame
print(df_mapping['df1'].head())
print(df_mapping['df2'].head())

这种方式的好处是所有关联都集中在一个字典里，不会意外覆盖已有的变量，后期维护也更清晰，尤其是当你的列表很长的时候，这种方式更稳妥。

注意事项 #

• 两种方法都是引用传递：修改df1或者list_B[0]，另一方也会跟着变化，因为它们指向同一个DataFrame对象；如果需要独立的副本，可以在赋值时加上.copy()，比如globals()[var_name] = df.copy()。
• 如果是在函数内部操作，用locals()代替globals()能创建局部变量，但locals()的行为在某些环境下可能有差异，全局场景下优先用globals()或者字典方案。

内容的提问来源于stack exchange，提问作者Yian