我有一个列表，每个条目都是一个公司名称
companies = ['AA', 'AAPL', 'BA', ....., 'YHOO']
我想为列表中的每个条目创建一个新的数据框。
类似
（伪代码）
for c in companies:
c = pd.DataFrame()
我已经寻找了一种方法来做到这一点，但找不到。有任何想法吗？
【问题讨论】：
您可以这样做（尽管如果这将是面向公众的代码，显然使用 exec 时要格外小心）
for c in companies:
exec('{} = pd.DataFrame()'.format(c))
【讨论】：
format(c.replace('.','')) 来解决此问题。
d 并写d[c] = pd.DataFrame() 会更明智。例如，阅读this answer，开始了解为什么这是一个坏主意。
只是为了强调我对@maxymoo 的回答的评论，将名称动态添加到 Python 命名空间几乎总是一个坏主意（“code smell”）。原因有很多，最突出的是：
创建的名称可能很容易与您的逻辑已使用的变量发生冲突。
由于名称是动态创建的，因此您通常最终也会使用动态技术来检索数据。
这就是语言中包含字典的原因。正确的做法是：
d = {}
for name in companies:
d[name] = pd.DataFrame()
现在您可以编写一个 dict 理解 表达式来做同样的事情，但有些人觉得它的可读性较差：
d = {name: pd.DataFrame() for name in companies}
创建d 后，公司x 的DataFrame 可以检索为d[x]，因此您可以非常轻松地查找特定公司。要对所有公司进行操作，您通常会使用如下循环：
for name, df in d.items():
# operate on DataFrame 'df' for company 'name'
在 Python 2 中你会写得更好
for name, df in d.iteritems():
因为这样可以避免实例化 (name, df) 元组列表。
【讨论】：
exec，但在更大的方案中，这是一个小问题——尽管感谢你说这个更好。 Stackoverflow 对我来说不是竞争，而是一种提供明显需要的信息的方式。
添加到上述很好的答案。如果您需要创建空数据框，但如果您需要基于某些过滤创建多个数据框，上述方法将完美无缺：
假设您获得的列表是某个数据框的一列，并且您想为更大的数据框中的每个唯一公司制作多个数据框：-
首先取公司的唯一名称：-
compuniquenames = df.company.unique()
创建一个数据框字典来存储您的数据框
companydict = {elem : pd.DataFrame() for elem in compuniquenames}
以上两个已经在帖子里了：
for key in DataFrameDict.keys():
DataFrameDict[key] = df[:][df.company == key]
以上将为您提供所有具有匹配记录的独特公司的数据框。
【讨论】：
for key in companydict.keys():`companydict[key] = df[:][df.company == key]` 但无论如何我看不出这个输出到底是什么
下面是循环动态创建数据框的代码：
companies = ['AA', 'AAPL', 'BA', ....., 'YHOO']
for eachCompany in companies:
#Dynamically create Data frames
vars()[eachCompany] = pd.DataFrame()
关于 vars()、locals() 和 globals() 的区别请参考以下链接：
What's the difference between globals(), locals(), and vars()?
【讨论】：
以下内容是可重现的 -> 假设您有一个包含 df/公司名称的列表：
companies = ['AA', 'AAPL', 'BA', 'YHOO']
你可能也有数据，大概还有一个列表？ （或者更确切地说是列表列表），例如：
content_of_lists = [
[['a', '1'], ['b', '2']],
[['c', '3'], ['d', '4']],
[['e', '5'], ['f', '6']],
[['g', '7'], ['h', '8']]
]
在这个特殊的例子中，df 可能看起来非常相似，所以这不需要很复杂：
dic={}
for n,m in zip(companies, range(len(content_of_lists))):
dic["df_{}".format(n)] = pd.DataFrame(content_of_lists[m]).rename(columns = {0: "col_1", 1:"col_2"})
在这里，您必须使用dic["df_AA"] 才能访问字典中的数据框。
但是如果您需要对数据框进行更“不同”的命名，我认为您必须使用例如 if-conditions，例如：
dic={}
for n,m in zip(companies, range(len(content_of_lists))):
if n == 'AA':
special_naming_1 = pd.DataFrame(content_of_lists[m]).rename(columns = {0:
"col_1", 1:"col_2"})
elif n == 'AAPL':
special_naming_2 ...
这需要更多的努力，但它允许您以更传统的方式获取数据框对象，只需编写 special_naming_1 而不是 dic['df_AA'] 并让您更好地控制数据框名称和列名称（如果是的话）很重要。
【讨论】：
你可以这样做：
for xxx in yyy:
globals()[f'dataframe_{xxx}'] = pd.Dataframe(xxx)
【讨论】：