Pandas df.xs()在For循环中无法赋值变量的技术问询

嘿，我完全懂你现在的困扰——手动写80次xs()来创建单个员工的透视表简直是重复劳动，想用循环批量处理却卡在了动态变量赋值这一步对吧？

首先得说：不建议你给每个员工单独创建变量，因为这样会让你的命名空间变得混乱，后续维护、调用这些变量都会非常麻烦。更好的做法是用一个字典来统一存储所有员工的透视表，既整洁又方便后续操作。

推荐方案：用字典存储批量生成的透视表 #

假设你已经有了包含变量名和对应索引值的映射字典，比如employee_mapping，可以这么写：

# 定义变量名与员工索引值的映射字典
employee_mapping = {
    'AlyssaS_LastName': 'Alyssa S. Lastname',
    'JohnD_Doe': 'John D. Doe',
    # 补充剩余78个员工的映射关系...
}

# 创建空字典，用来统一存储所有员工的透视表
employee_pivots = {}

# 循环遍历映射字典，批量生成并存储透视表
for var_name, index_val in employee_mapping.items():
    employee_pivots[var_name] = piv.xs(index_val, level=0)

之后你要访问某个员工的透视表时，直接通过字典键调用就行：

# 查看Alyssa的透视表数据
print(employee_pivots['AlyssaS_LastName'])

为什么不推荐动态创建单独变量？ #

如果非要用循环创建单独的变量（比如AlyssaS_LastName这类独立变量），可以用globals()函数实现，但我强烈不建议这么做：

for var_name, index_val in employee_mapping.items():
    globals()[var_name] = piv.xs(index_val, level=0)

这种方式会把变量直接注入全局命名空间，当员工数量多了之后，你很难追踪哪些变量是自动生成的，而且容易和现有变量重名，引发难以排查的bug。

用字典存储的方式不仅更符合Python的最佳实践，后续你要批量处理这些透视表（比如统一导出为Excel文件）也会更高效：

# 批量导出所有员工的透视表到独立Excel文件
for var_name, pivot_df in employee_pivots.items():
    pivot_df.to_excel(f'{var_name}_performance_report.xlsx')

内容的提问来源于stack exchange，提问作者Andy