Python DataFrame特定分组控制需求：自动生成分组且最终非容器类型

嘿，这个需求我刚好处理过类似场景，给你一套完全自动化的解决方案，完美匹配你的要求：

先把所有单列DataFrame统一收集到列表里（临时用列表完全没问题），然后通过定义分组规则（临时用字典）来筛选需要的列，最后把筛选后的单列DataFrame拼接成独立的DataFrame——这样最终结果既不是元组/字典/列表，又完全不用手动操作每一列。

import pandas as pd
from sklearn.datasets import load_iris

# 替换成你自己的数据集就行，这里用iris做示例
iris = pd.DataFrame(load_iris().data, columns=load_iris().feature_names)

# 第一步：自动生成所有单列DataFrame并存入列表，不用手动命名df1、df2...dfn
single_col_dfs = [iris.iloc[:, idx:idx+1] for idx in range(iris.shape[1])]

# 第二步：定义分组规则，用字典临时存分组名称和对应列的索引
# 你可以根据需求随意添加/修改分组，比如加df_group3、df_group4都没问题
group_configs = {
    "df_group1": range(len(single_col_dfs)),  # 包含所有单列DataFrame
    "df_group2": [i for i in range(len(single_col_dfs)) if i % 2 == 0]  # 包含第1、3...n-1列（对应原问题的df1、df3...）
}

# 第三步：自动生成每个分组的独立DataFrame，最终结果不是容器类型
for group_name, col_indices in group_configs.items():
    # 拼接选中的单列DataFrame
    grouped_df = pd.concat([single_col_dfs[i] for i in col_indices], axis=1)
    # 把结果赋值为全局变量，直接就能用df_group1、df_group2调用
    globals()[group_name] = grouped_df

运行完代码后，你可以直接打印结果确认：

print("df_group1的列：", df_group1.columns.tolist())
print("df_group2的列：", df_group2.columns.tolist())

如果需要新增分组，比如要一个包含第2、4列的df_group3，只需要在group_configs里加一行：

"df_group3": [i for i in range(len(single_col_dfs)) if i % 2 == 1]

完全不用改其他代码，非常方便。

内容的提问来源于stack exchange，提问作者이상덕