Python 遍历数据帧列表以删除特定行

在我先前的问题中

在帮助下，我放弃了1980年以前的那一排。“季节”栏（包含年份）采用以下格式：

 2018-19
 2017-18
 This
 list would go
 till 1960

在前面的问题（链接）中，@jezrael给出了一个解决方案，帮助我在1980年之前消除了争吵

我有一个包含30个数据帧的列表（称为

list

）。我想迭代30个数据帧，并删除1980年之前每个

df

的所有行。例如，

列表中的一个项目是
BOS
如果
BOS['seash]
有：

 2018-19
 2017-18
 1959-1960

我应该

2018-19
2017-18

这样的结果应该适用于
列表中的所有数据帧

这是我尝试过的，但出现了错误，否则什么也不会发生：

列表中df的
：
df=df[df['seasure'].str.split（'-'）.str[0].astype（int）>1980]

我的代码怎么了？我是python新手。我认为，通过将
df
分配给变更，它将把它实现到
列表中的每个'
df

谢谢

更新：
我有一个名为
联盟的
列表
。此列表有30个数据帧。我看了jazrael和IMCoin的解决方案。他们俩都工作了。但这是我的要求

在为每个数据帧删除1980年之前的行之后。我希望能够直接使用该数据帧，而不是通过列表。这就是我的意思


#在添加到列表之前
BOS=pd.read\u csv（目录+波士顿表格）
#我有30个不同的城市，每个城市都有一个CSV文件，每个城市都有一个CSV文件
#他们自己的数据帧。波士顿和芝加哥各有30个城市。

所有这30个城市数据帧都已添加到列表
league
。
根据上述条件过滤城市数据帧后，我希望能够使用过滤后的数据调用
BOS
或
CHI
。这只是为了便于我开发后续的其他功能
 您需要创建过滤数据帧的新列表或重新分配旧列表：

注意：不要使用变量
list
，因为
builtins
（python代码字）

循环版本：

output = []
for df in L:
   df = df[df['Season'].str.split('-').str[0].astype(int) > 1980]
   output.append(df)

如果需要只提取长度为4的第一个整数：

L = [df, df]
L = [df[df['Season'].str.extract('(\d{4})', expand=False).astype(float) > 1980] 
          for df in L]

print (L)
[    Season
0  2018-19
1  2017-18,     Season
0  2018-19
1  2017-18]

编辑：

如果数据具有相同的结构，我建议为区分城市创建一个带有新列的大数据框架：

import glob

files = glob.glob('files/*.csv')
dfs = [pd.read_csv(fp).assign(City=os.path.basename(fp).split('.')[0]) for fp in files]
df = pd.concat(dfs, ignore_index=True)
print (df)
          Season           City
0        2018-19   Boston_Sheet
1           This   Boston_Sheet
2  list would go   Boston_Sheet
3      till 1960   Boston_Sheet
4        2018-19  Chicago_Sheet
5        2017-18  Chicago_Sheet
6           This  Chicago_Sheet

df1 = df[df['Season'].str.extract('(\d{4})', expand=False).astype(float) > 1980]
print (df1)
     Season           City
0   2018-19   Boston_Sheet
4   2018-19  Chicago_Sheet
5   2017-18  Chicago_Sheet

df2 = df1[df1['City'] == 'Boston_Sheet']
print (df2)
    Season          City
0  2018-19  Boston_Sheet

df3 = df1[df1['City'] == 'Chicago_Sheet']
print (df3)
     Season           City
4   2018-19  Chicago_Sheet
5   2017-18  Chicago_Sheet


如果需要将每个数据帧分开，可以通过数据帧字典：

import glob

files = glob.glob('files/*.csv')
dfs_dict = {os.path.basename(fp).split('.')[0] : pd.read_csv(fp) for fp in files}

print (dfs_dict)

print (dfs_dict['Boston_Sheet'])
          Season
0        2018-19
1           This
2  list would go
3      till 1960

print (dfs_dict['Chicago_Sheet'])
0   2018-19
1   2017-18
2      This

然后在词典理解中进行处理：

dfs_dict = {k:v[v['Season'].str.extract('(\d{4})', expand=False).astype(float) > 1980] 
                 for k, v in dfs_dict.items()}
print (dfs_dict)
{'Boston_Sheet':     Season
0  2018-19, 'Chicago_Sheet':      Season
0   2018-19
1   2017-18}

print (dfs_dict['Boston_Sheet'])
    Season
0  2018-19

print (dfs_dict['Chicago_Sheet'])
     Season
0   2018-19
1   2017-18

如果要就地修改列表，请执行以下操作：

用于范围内的索引（len（df_列表））：
df_list[index]=df_list[index].loc[df_list[index]['seasure'].str.split（'-'）.str[0].astype（int）>1980]

当您在列表对象本身中循环时，它会在每次迭代中创建一个新对象，并在每次循环中被擦除

如果使用列表的长度进行循环，并通过索引访问数据，则将修改列表本身，而不是使用
为df\u list
中的某些\u copy\u项目进行复制


最简单的例子：

arr=[1,2,3,4,5]
打印（arr）#[1,2,3,4,5]
对于arr中的数字：
数字+=1
打印（arr）#[1,2,3,4,5]
对于范围内的idx（len（arr））：
arr[idx]+=1
打印（arr）#[2,3,4,5,6]
如果可以合并所有数据帧。。。使用
pd.concat（df_list）
，然后使用日期过滤器。这是我的第一个想法，但对于我的应用程序，我需要将这些数据帧分开。如果适合，请查看我的解决方案，您的问题是如何迭代列表。因此我的想法是正确的，但我没有存储修改后的
df
？有没有一种方法可以在没有新列表的情况下做到这一点？（只是好奇）我在筛选日期时出错了。我做了类似的事情（将expand设置为true并键入int。即使在我将其更改为您的建议后，我也会得到一个针对Season的“KeyError”？@abhivemp-这意味着在某些文件中没有列名
Season
，也请检查。您可以通过dfs\u dict.items（）：print（v.columns.tolist（））中的
为k，v测试列名
这是否意味着如果我使用
BOS
我将无法得到过滤结果？@adhivemp这取决于你想做什么。如果你有一个列表，并想修改它。使用我的方法。如果你有一个列表，并想将新值存储到一个新列表中，为了跟踪上一个值，请按照jezrael didI尝试过的方法进行操作。我的原始list完全改变了（我可以通过按索引打印列表进行检查）。但是，当我使用实际的数据帧名称来调用它们时（如
BOS
），我得到了原始的数据帧。我是否做错了什么（首先，我逐行输入你的建议，以便理解。在我认为我做错了什么之后，我只是复制粘贴，得到了相同的结果）我不清楚你到底在问什么，对吗now@abhivemp口述。
dfs_dict = {k:v[v['Season'].str.extract('(\d{4})', expand=False).astype(float) > 1980] 
                 for k, v in dfs_dict.items()}
print (dfs_dict)
{'Boston_Sheet':     Season
0  2018-19, 'Chicago_Sheet':      Season
0   2018-19
1   2017-18}

print (dfs_dict['Boston_Sheet'])
    Season
0  2018-19

print (dfs_dict['Chicago_Sheet'])
     Season
0   2018-19
1   2017-18