Python 在迭代多个数据帧时删除行

因此，我有一个数据帧列表：

yldDF = [dem2y, dem5y, dem10y, dem30y]


    Unnamed: 0 BBK01.WT0202
4   2014-01-02         0.21
5   2014-01-03         0.21
6   2014-01-04            .
7   2014-01-05            .
8   2014-01-06         0.20
9   2014-01-07         0.21
10  2014-01-08         0.21
11  2014-01-09         0.23
12  2014-01-10         0.21
13  2014-01-11            .

其中，每个数据帧如上图所示。 现在，当我尝试遍历数据帧以删除第二列中的“.”时，它似乎不起作用

dem2y = pd.read_csv("0202.csv")
dem5y = pd.read_csv("0505.csv")
dem10y = pd.read_csv("1010.csv")
dem30y = pd.read_csv("3030.csv")

### Begin cleaning

yldDF = [dem2y, dem5y, dem10y, dem30y]

for i in yldDF: 

    i.drop(i.columns[2], axis = 1,inplace = True)
    i.drop(range(4),inplace=True)
    i = i[i[i.columns[1]].apply(lambda x: str(x)!=".")]

---

我在一个数据帧上尝试了最后一行，它似乎工作得非常好，但是当我作为循环的一部分尝试时，它似乎没有任何效果。这里有我遗漏的东西吗？或者这可能是一个bug？

如果问题是只有

i

被修改，您可以尝试以下技巧：

# Store your `pandas.DataFrame` in a dict
yldDict = {'dem2y': dem2y, 'dem5y': dem5y, 'dem10y': dem10y, 'dem30y': dem30y}

# Loop on the keys of the dict
for keys in yldDict.keys(): 
    df = yldDict.get(keys, 'error') # Get pandas.DataFrame from dict
    # Do the operation you need to do
    df.drop(df.columns[2], axis = 1, inplace = True)
    df.drop(range(4), inplace=True)
    df = df[df[df.columns[1]].apply(lambda x: str(x)!=".")]
    # Post to dict
    yldDict[keys] = df

# Extract from dict
dem2y, dem5y, dem10y, dem30y = yldDict['dem2y'], yldDict['dem5y'], yldDict['dem10y'], yldDict['dem30y']
# Delete dict
del yldDict

---

也许可以尝试将

i=i[i.columns[1]].apply（lambda x:str（x）！=”）]

替换为

i=i.loc[i[i.columns[1]].astype（str）！=”，：]

知道为什么原始方法不起作用吗？我会很好奇到底是什么原因导致了这种情况，如果不尝试，它看起来像是

i[i.columns[1]].apply（lambda x:str（x）！=”）

将返回一个布尔值

pd.Series

（真/假）当columns[1]！=”时为

True

另外，您正在修改变量

i

，该变量依次接受值

dem2y

，

dem5y

，

dem10y

，

dem30y

。您确定您的更改已应用于dem2y中的pandas.DataFrame。。。还是仅仅在

i

？在循环之后，检查

i

的值，它是否与您期望的一样？如果是，您知道您正在修改

i

，但未理解

dem2y

，因此变量i正在循环中修改，但这不会保存对实际dem2y变量的更改？