Question

我有两个结构几乎相同的DataFrame，我想同时对其执行数据转换/清理。为此，我创建了一个包含这两个DF的列表，并遍历该列表。

例如：

train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')
combined = [train, test]
for dataset in combined:
    dataset = dataset.drop(['Age'], axis =1)
    print(dataset.head())

for 循环中的最终打印语句可以正常工作-删除了“年龄”列。但是，如果我立即调用 train.head（），则被删除的列仍将存在于DataFrame中。几乎好像正在创建“ train”和“ test”的两个副本，即“组合”列表中的两个副本和外部的“副本”。我需要做些什么来使这些更改持续存在吗？

这似乎应该是如此简单，并且让我发疯了！

Answer 1

您将在每个循环中创建一个新的数据集变量，并对它们执行操作。因此，正如您所说的，您确实是在创建培训和测试的副本。您想要的是drop inplace列，而不是重新分配：

train = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')
combined = [train, test]
for dataset in combined:
    dataset.drop(['Age'], axis = 1, inplace=True)
    # print(dataset.head())

请注意，另一种解决方案是在load them时忽略这些列：

train = pd.read_csv('train.csv', usecols=lambda x: x!='Age')
test = pd.read_csv('test.csv', usecols=lambda x: x!='Age')

Answer 2

除了@sacul的答案，还有其他更常见的方式来修改列表中的值，例如：

lst = [1,2,3,4] # any list
for i, elem in enumerate(lst):
    lst[i] = elem + 1 # can be any method here
lst
Out[24]: [2, 3, 4, 5]

如何使用for循环一次更改多个熊猫数据帧

2 个答案: