dataframe想把每一列变成一个变量

### 回答1：
可以使用 pandas 的 `melt()` 函数来实现。该函数允许您将多个列转换为两列：一列是变量名称，另一列是值。

使用方法为：

df = df.melt(id_vars=['列名1', '列名2', ...], value_vars=['列名3', '列名4', ...], var_name='变量名', value_name='值')

- id_vars：指定保留的列。
- value_vars：指定转换为变量的列。
- var_name：新列的列名，用于存储变量名。
- value_name：新列的列名，用于存储变量值。

如果想把所有列都变成变量，可以这样写：

df = df.melt(var_name='变量名', value_name='值')

示例:

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

df = df.melt(var_name='列名', value_name='值')

结果 :

  列名  值
0    A   1
1    A   2
2    A   3
3    B   4
4    B   5
5    B   6
6    C   7
7    C   8
8    C   9

### 回答2：
要将DataFrame的每一列变成一个变量，可以使用DataFrame的列索引和属性的方式实现。

首先，我们可以使用df.columns属性获取DataFrame的所有列索引。将其保存为一个列表。

接下来，我们可以使用for循环遍历这个列表。在每次循环中，我们可以使用该列索引作为变量名，并通过df[列索引]的方式获取该列的数据。我们可以将该列的数据保存在一个新的变量中。

如下所示是一个可能的实现：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 获取DataFrame的列索引
column_names = df.columns.tolist()

# 遍历列索引，将每列转为变量
for column_name in column_names:
    # 使用列名作为变量名，获取该列的数据
    locals()[column_name] = df[column_name].tolist()

# 打印每个变量
print(A)
print(B)
print(C)

运行上述代码将输出：

[1, 2, 3]
[4, 5, 6]
[7, 8, 9]

这样，我们就将DataFrame的每一列转换为了一个变量。变量名分别为'A'、'B'和'C'，分别保存了各自的列数据。