如何批量转换数据集为DataFrame并打印输出，优化Python重复代码？

嘿，很高兴看到你在优化Python代码效率——重复复制粘贴确实既麻烦又容易出错，咱们用更简洁、可扩展的方式搞定这个问题！

第一步：批量转换为DataFrame #

不用逐个手动赋值，我们可以用列表推导式一次性把k_frames里的所有数据集转换成DataFrame并存储：

import pandas as pd

# 批量转换，结果存储在列表dfs中，dfs[0]对应原来的df0，dfs[1]对应df1，以此类推
dfs = [pd.DataFrame(frame) for frame in k_frames]

如果需要给每个DataFrame绑定自定义名称（方便后续单独调用），可以用字典推导式：

# 自定义名称列表（这里用df0到df9，你也可以换成业务相关的名字）
df_names = [f"df{i}" for i in range(len(k_frames))]
# 批量转换并以名称为键存储在字典中
dfs_dict = {name: pd.DataFrame(frame) for name, frame in zip(df_names, k_frames)}

第二步：批量打印DataFrame的head() #

接下来用循环批量输出每个DataFrame的前几行，同时加上标识区分不同的数据集，可读性更强：

基于列表的批量打印 #

for idx, df in enumerate(dfs):
    print(f"=== 第{idx}个DataFrame的前5行 ===")
    print(df.head())
    print("\n")  # 空行分隔，避免输出挤在一起

基于字典的批量打印（带自定义名称） #

for name, df in dfs_dict.items():
    print(f"=== {name}的前5行 ===")
    print(df.head())
    print("\n")

为什么这样更好？ #

• 避免重复代码：不用复制粘贴10次相同的逻辑，代码更简洁
• 扩展性强：如果k_frames里的数据集数量变化（比如变成20个），代码完全不用修改，直接运行即可
• 可读性高：循环逻辑清晰，加上标识后输出结果更容易区分

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