Python 对数据帧的dict进行迭代，以获得具有selectd列的数据帧的子集

我有多个数据帧（例如bellow只包含三个数据帧），我需要创建一个函数，该函数只选择我想保留的列

df1 = pd.DataFrame(
    {
        "column1": np.random.randint(100, 1000, 100),
        "column2": np.random.randint(200, 2000, 100),
        "column3": np.random.randint(300, 3000, 100),
        "column4": np.random.randint(400, 4000, 100),
        "column5": np.random.randint(500, 5000, 100),
    }
)

df2 = pd.DataFrame(
    {
        "column1": np.random.randint(80, 800, 100),
        "column2": np.random.randint(50, 500, 100),
        "column3": np.random.randint(30, 300, 100),
        "column4": np.random.randint(10, 100, 100),
        "column5": np.random.randint(500, 5000, 100),
    }
)

df3 = pd.DataFrame(
    {
        "column1": np.random.randint(2, 20, 100),
        "column2": np.random.randint(80, 300, 100),
        "column3": np.random.randint(30, 500, 100),
        "column4": np.random.randint(60, 700, 100),
        "column5": np.random.randint(900, 3000, 100),
    }
)

为此，我必须使用以下格式的dict：

dict_of_dfs = {"df1": df1, "df2": df2, "df3": df3}

我必须创建一个函数来选择需要保留的列：

features = ["column3", "column4", "column5"]

它不是我需要删除的，而是要保留的（不是df=df.drop（columns='x'，'y'，'z'）） 但是df=df[特征]）

我试过这样的方法：

def select_columns(dict_of_dfs, features):
    for df in dict_of_dfs:
        df = df[features]

然后：

select_columns(dict_of_dfs, features)

但我总是得到错误“字符串索引必须是整数”

---

谁能给我解释一下为什么会这样？我很确定这是关于可变和不可变的，但我不懂python，我的逻辑不起作用的原因对我来说毫无意义。

因此，当你迭代

dict_of_dfs

时，它返回的是键而不是值（它们是

“df1”

，

“df2”

，…），因此你会得到错误。 在

select\u columns

中，您需要修改循环中的代码，以修改值（即数据帧）而不是键（字符串），这将使其正常工作：

def select_columns(dict_of_dfs, features):
    for df in dict_of_dfs:
        dict_of_dfs[df] = dict_of_dfs[df][features]

---

您可以使用

drop

和

inplace=True

来迭代dfs并删除不必要的列，而不必指定dfs和函数。通过这种方式，您必须使用

inplace=True

，这在

loc

中不可用，否则您可以选择要保留的列，而不是删除不需要的列：

features = ['column3', 'column4', 'column5']
dfs = (df1,df2,df3)

for df in dfs:
    df.drop([col for col in df.columns if col not in features], axis=1, inplace=True)

---

请单击我的答案旁边的复选标记，接受其中一个答案作为解决方案。非常感谢。