Pandas循环调用局部变量问题及分组唯一值最优实现咨询

嘿Juan，我来帮你搞定这两个问题！

1. 更Pythonic的实现方式（强烈推荐） #

完全不需要手动创建一堆局部DataFrame，用pandas内置的groupby就能优雅解决需求，而且结果更易管理：

方法1：生成索引为Partida的Series #

# 按"Nombre Partida"分组，提取每组"Nombre Capitulo"的唯一值
capitulos_por_partida = data1_anio.groupby('Nombre Partida')['Nombre Capitulo'].unique()

调用时直接通过索引访问即可：

# 获取指定Partida对应的所有唯一Capitulo
capitulos_por_partida['你的Partida名称']

方法2：转换成字典（更直观的调用方式） #

如果更喜欢用键值对的形式访问，可以把上面的Series转成字典：

capitulos_dict = capitulos_por_partida.to_dict()
# 调用示例
capitulos_dict['你的Partida名称']

这种方式避免了创建大量零散变量，也不会出现变量名冲突或特殊字符导致的问题，是最符合Python风格的做法。

2. 修复你原代码的调用错误 #

你原来的代码报错是因为在获取Capitulo唯一值时，错误地用字符串列表代替了之前创建的局部DataFrame。修正后的代码如下：

Partidas = data1_anio['Nombre Partida'].unique()
for p in Partidas:
    # 创建对应Partida的局部DataFrame
    locals()[f'{p}'] = data1_anio.loc[data1_anio['Nombre Partida'] == p]
    # 正确获取该DataFrame的Nombre Capitulo唯一值（关键修正）
    globals()[f'cap_{p}'] = locals()[f'{p}']['Nombre Capitulo'].unique()

不过要注意：如果你的Nombre Partida包含空格、特殊字符（比如/、!），用它作为变量名会非常麻烦，这也是为什么更推荐第一种groupby方法的原因。

内容的提问来源于stack exchange，提问作者Juan C