Python 反复浏览熊猫的列表DF'；然后迭代每个DF'；s排

这可能是一个有点疯狂的问题。。。 我有一个单独的文章DF，然后我将其分为多个DF，因此每个DF只包含特定年份的文章。然后我将这些变量放入一个名为

box\u of_years

的列表中

indexed_df = article_db.set_index('date')
indexed_df = indexed_df.sort_index()

year_2004 = indexed_df.truncate(before='2004-01-01', after='2004-12-31')
year_2005 = indexed_df.truncate(before='2005-01-01', after='2005-12-31')
year_2006 = indexed_df.truncate(before='2006-01-01', after='2006-12-31')
year_2007 = indexed_df.truncate(before='2007-01-01', after='2007-12-31')
year_2008 = indexed_df.truncate(before='2008-01-01', after='2008-12-31')
year_2009 = indexed_df.truncate(before='2009-01-01', after='2009-12-31')
year_2010 = indexed_df.truncate(before='2010-01-01', after='2010-12-31')
year_2011 = indexed_df.truncate(before='2011-01-01', after='2011-12-31')
year_2012 = indexed_df.truncate(before='2012-01-01', after='2012-12-31')
year_2013 = indexed_df.truncate(before='2013-01-01', after='2013-12-31')
year_2014 = indexed_df.truncate(before='2014-01-01', after='2014-12-31')
year_2015 = indexed_df.truncate(before='2015-01-01', after='2015-12-31')
year_2016 = indexed_df.truncate(before='2016-01-01', after='2016-12-31')

box_of_years = [year_2004, year_2005, year_2006, year_2007,
                year_2008, year_2009, year_2010, year_2011,
                year_2012, year_2013, year_2014, year_2015,
                year_2016]

我编写了各种函数来标记、清理标记，并将其转换为

FreqDist

对象，然后将它们打包成一个名为

year\u prep（）

的函数。当我这样做的时候，这个很好用

year_2006 = year_prep(year_2006)

…但是有没有一种方法可以迭代每个年份变量，应用函数并让它转换相同的变量，而不是每年重复上述操作

我知道重复自己是最简单的方法，但不一定是最干净的。我可能会将这一点向后推，然后再进行切片，但在这一点上，我感觉列表的层次将无法控制，因为我将从一个年份列表转到一个年份列表，包含一个文章列表，包含文章中每个单词的列表。

我认为您可以使用by和自定义函数：

import pandas as pd

start = pd.to_datetime('2004-02-24')
rng = pd.date_range(start, periods=30, freq='50D')

df = pd.DataFrame({'Date': rng, 'a':range(30)})  
#print (df)

def f(x):
    print (x)
    #return year_prep(x)
    #some custom output 
    return x.a + x.Date.dt.month

print (df.groupby(df['Date'].dt.year).apply(f))

---

所以我使用了这个

def（x）：print（x）

grouped=df.groupby（df['date'].dt.year）

grouped['clean_text']）。apply（f）

成功了，在分组列表中打印出了'clean_text'列的内容，所以理论上看起来不错。现在我只需要知道如何调用特定的组，例如，如果我想绘制2008年的频率计数结果。因此，基本上现在我有了分组数据库，如何指向2008年的组？然后使用-try

df[df.Date.dt.year==2008]

属性错误：无法访问“SeriesGroupBy”对象的属性“dt”，请尝试使用“apply”方法。

看起来您需要

重置索引

-

打印（df.groupby（df['Date'].dt.year）.应用（f）.重置索引（））