Python 在多个数据帧上执行相同操作的正确方法是什么？

我正在努力：

检查数据帧中是否存在范围内的值

如果不是，则添加值并插值

关于，我已经检查了它是否适用于单个数据帧。例如：

# Original dataframe

    code    ratio
...
5   5.0     1.649561
6   6.0     1.466403
7   11.0    1.696970
8   12.0    1.646259

# Code to add row + interpolate
for i in range(5, 13):
    if i not in df.values:
        df.loc[-1, 'code'] = i
        df = df.sort_values('code').reset_index(drop=True)
        df = df.interpolate()

# Result
code        ratio
0   5.0     1.649561
1   6.0     1.466403
2   7.0     1.581686
3   8.0     1.639328
4   9.0     1.668149
5   10.0    1.682559
6   11.0    1.696970
7   12.0    1.646259

检查它是否在单个数据帧上工作，我希望它在我拥有的多个数据帧上工作。因此，我尝试了以下代码，使用数据帧列表进行迭代：

for df in [df1, df2, df3...]:
    for i in range(5, 13):
        if i not in df.values:
            df.loc[-1, 'code'] = i
            df = df.sort_values('code').reset_index(drop=True)
            df = df.interpolate()

然后，即使对于以前工作过的数据帧，它也会返回：

code        ratio
5   5.0     1.649561
6   6.0     1.466403
7   11.0    1.696970
8   12.0    1.646259
-1  7.0     NaN

这显然不是我想要的结果

造成这种差异的原因是什么？

---

使用多个数据帧列表进行迭代是否是一种错误的方法？

您需要重新分配到列表中，然后解包，例如：

df_list = [df1, df2, df3...]
for i, df in enumerate(df_list):
    for j in range(5, 13):
        if j not in df.values:
            df.loc[-1, 'code'] = j
            df = df.sort_values('code').reset_index(drop=True)
            df = df.interpolate()
    df_list[i] = df

#Unpack back to original variables
df1, df2, df3, ... = df_list

---

您可以使用

inplace=True

直接修改列表中的每个数据帧。因为数据帧列表是每个数据帧的浅拷贝，所以对它们的任何修改都会影响原始数据帧。但是，此方法不允许链接方法，因此需要使用

inplace=True

将chain命令分解为单独的方法调用。此方法利用列表创建数据帧的浅层副本

Sample dataframes

In [153]: df1
Out[153]:
   code     ratio
0   5.0  1.649561
1   6.0  1.466403
2  11.0  1.696970
3  12.0  1.646259

In [155]: df2
Out[155]:
   code     ratio
0   5.0  1.649561
1   6.0  1.466403
2  11.0  1.696970
3  19.0  1.646259

dfs = [df1, df2]

for df in dfs:
    for i in range(5, 13):
        if i not in df.values:
            df.loc[-1, 'code'] = i
            df.sort_values('code', inplace=True)
            df.reset_index(drop=True, inplace=True)
            df.interpolate(inplace=True)

输出：

In [168]: df1
Out[168]:
   code     ratio
0   5.0  1.649561
1   6.0  1.466403
2   7.0  1.581686
3   8.0  1.639328
4   9.0  1.668149
5  10.0  1.682560
6  11.0  1.696970
7  12.0  1.646259

In [169]: df2
Out[169]:
   code     ratio
0   5.0  1.649561
1   6.0  1.466403
2   7.0  1.581686
3   8.0  1.639328
4   9.0  1.668149
5  10.0  1.682560
6  11.0  1.696970
7  12.0  1.671615
8  19.0  1.646259

---

---

注意：此解决方案只是为了证明它在这个特定问题上是可行的。在更复杂的问题上，这将是不可行的，因为一些命令不支持

inplace

，Pandas正在弃用

inplace

选项。

我建议使用

dict

作为带有键

df1

，

df2

的数据帧的容器。。。而不是

list

这里虽然抱歉，它似乎不起作用。假设

df1

是我主要检查的数据帧，在使用您的代码并再次使用

df1

检查之后，我的问题仍然得到了不想要的结果。即使将

df.loc[-1，'code']=i

更改为

df.loc[-1，'code']=j

是的，如果您使用列表，它也不会更改该变量，但它会更改

df_list[0]

-这就是为什么最好使用dict

df_dict={'df1'：…}

，然后，您可以迭代并更新这些值，并使用

df_dict['df1']

返回它。好的，这需要对代码进行一些总体更改。。。但我会努力的。即使有效，我也无法接受你的答案。我建议在这样的情况下，在迭代修改数据帧时，最好使用

dict

，使用键

df1

，

df2

…使用

对名称进行迭代，在df_dict.items（）中使用df:

，然后使用

df_dict[name]返回=df

似乎也不起作用：（将其解包回原始变量名如何？…所以在我建议的循环之后，最后一行将是

df1，df2，df3=dfu list

更好的方法是

dict

-imho:）签出并