如何通过循环遍历Python DataFrame按年份生成多个子DataFrame

嘿，我来帮你搞定这个问题！作为Python新手，你想通过循环按年份拆分DataFrame的思路完全没问题，但你尝试的动态命名变量写法（比如"y" + str(x) = ...）是行不通的，而且这种方式其实也不是最佳实践——后续要管理这些零散的变量会特别麻烦。我给你推荐两种可行的方案，优先选第一种哦！

方案一：用字典存储子DataFrame（强烈推荐） #

用字典来存每个年份的子DataFrame是最规范的做法，不仅创建方便，后续调用、遍历处理都超级省心。

步骤1：确保Date列是datetime类型 #

如果你的Date列还不是datetime格式，先做转换：

import pandas as pd

# 假设你的DataFrame是df
df['Date'] = pd.to_datetime(df['Date'])

步骤2：循环生成子DataFrame并存入字典 #

# 定义要处理的年份列表
years = [2007,2008,2009,2010,2011,2012,2013,2014,2015,2016,2017,2018,2019,2020,2021,2022,2023]

# 创建空字典用来存储各年份的DataFrame
year_dataframes = {}

for year in years:
    # 筛选对应年份的数据，字典的键可以用"Y2023"这种格式，方便识别
    year_dataframes[f"Y{year}"] = df[df['Date'].dt.year == year]

怎么调用子DataFrame？ #

比如要查看2023年的数据，直接这样写：

print(year_dataframes['Y2023'])

后续批量处理更方便 #

比如要把每个年份的子DataFrame保存成单独的CSV文件，直接循环字典就行：

for df_name, sub_df in year_dataframes.items():
    sub_df.to_csv(f"{df_name}.csv", index=False)

方案二：动态创建全局变量（不推荐，但满足你的需求） #

如果你一定要生成Y2023、Y2022这种独立变量，可以用globals()函数，但要注意这会污染全局命名空间，后续维护起来很头疼，所以非必要不建议用：

for year in years:
    # 动态创建全局变量，变量名是Y+年份
    globals()[f"Y{year}"] = df[df['Date'].dt.year == year]

这样之后你就能直接像之前硬编码那样用Y2023、Y2022这些变量了。

处理多个文件的扩展 #

如果要处理多个文件，把拆分逻辑封装成函数就可以循环调用了：

def split_df_by_year(input_df, target_years):
    # 先转换日期格式
    input_df['Date'] = pd.to_datetime(input_df['Date'])
    year_dfs = {}
    for year in target_years:
        year_dfs[f"Y{year}"] = input_df[input_df['Date'].dt.year == year]
    return year_dfs

# 假设你有多个文件路径存在列表里
file_list = ["data_2007_2023.csv", "another_data.csv", ...]
# 用一个大字典存储所有文件的子DataFrame
all_year_dfs = {}

for file_path in file_list:
    # 读取文件
    current_df = pd.read_csv(file_path)
    # 拆分当前文件的DataFrame
    current_year_dfs = split_df_by_year(current_df, years)
    # 把结果存入大字典，键用"文件名_年份"区分
    file_name = file_path.split('.')[0]
    for df_name, sub_df in current_year_dfs.items():
        all_year_dfs[f"{file_name}_{df_name}"] = sub_df

备注：内容来源于stack exchange，提问作者then00b