如何以Pythonic方式将变量作为另一变量的组成部分？

我最近在处理一组CSV文件，分为两类：一类是按月份划分的数据文件（比如data_jan2018.csv、data_feb2018.csv），另一类是存储日期范围配置的config.csv文件。下面是我整理的完整实现思路和代码：

第一步：读取配置文件并提取日期范围 #

首先从配置文件中读取需要处理的日期区间，去重后整理成清晰的日期范围列表：

import pandas as pd
import os

# 定义文件路径和名称
loc = "./your_file_directory/"  # 替换为你的实际文件目录
data_config_name = "config.csv"

# 读取配置文件
data_config = pd.read_csv(os.path.join(loc, data_config_name))

# 提取去重后的日期范围（保留Start_date和End_date列）
dates = data_config.drop_duplicates('Start_date')[['Start_date', 'End_date']]

# 可选：将日期列转换为datetime格式，方便后续筛选操作
dates['Start_date'] = pd.to_datetime(dates['Start_date'])
dates['End_date'] = pd.to_datetime(dates['End_date'])

第二步：读取并处理月度数据文件 #

接下来根据配置的日期范围，匹配对应的月度数据文件并完成读取与筛选：

# 遍历每一组日期范围
for idx, row in dates.iterrows():
    # 将起始日期转换为数据文件命名对应的格式（比如jan2018）
    start_month = row['Start_date'].strftime("%b%Y").lower()
    data_file_name = f"data_{start_month}.csv"
    data_file_path = os.path.join(loc, data_file_name)
    
    # 先检查文件是否存在，避免报错
    if os.path.exists(data_file_path):
        # 读取月度数据文件
        monthly_data = pd.read_csv(data_file_path)
        
        # 可选：根据当前日期范围筛选数据（假设数据文件有date列）
        monthly_data['date'] = pd.to_datetime(monthly_data['date'])
        filtered_data = monthly_data[(monthly_data['date'] >= row['Start_date']) & 
                                     (monthly_data['date'] <= row['End_date'])]
        
        # 这里可以添加你的后续处理逻辑，比如合并数据、统计分析等
        print(f"处理完成：{data_file_name}，筛选后有效数据行数：{len(filtered_data)}")
    else:
        print(f"警告：未找到目标文件 {data_file_name}，跳过该日期范围处理")

实用小提示 #

• 建议统一将所有日期列转换为datetime格式，避免因字符串格式不一致导致的筛选错误
• 如果数据文件的命名规则有变化，只需调整start_month的格式化逻辑即可适配
• 若需要合并所有筛选后的数据，可以初始化一个空DataFrame，在循环中用pd.concat逐步合并结果

内容的提问来源于stack exchange，提问作者Aaraeus