Question

这是我遇到的一个普遍问题，但我将以Titanic数据集为例。为了允许同时在火车和测试台上进行操作，我将它们组合在一起：

combined = [train_df, test_df]

我还简化了每个乘客的标题，因此每个标题现在是8种可能之一。对于train_df和test_df，我现在都想为“标题”列创建虚拟变量，将它们添加到数据框中，然后删除原始的“标题”列。我建议的代码是：

for df in combined:
    df = pd.concat([df,pd.get_dummies(df.Title)],axis=1)
    df = df.drop('Title',axis=1)

当我在单个数据帧上手动执行这些操作时，这些操作确实起作用，但是在运行for循环时，则没有任何反应。我想念什么？

Answer 1

这不起作用，因为您正在修改列表中变量的副本，并且永远不要将其分配回列表中。

例如：

a = [0,1,2,3]
for i in a:
    i = i+1
a
>>> [0, 1, 2, 3]

您需要的是访问列表的元素：

 a = [0,1,2,3]
 for i in range(len(a)):
    a[i] = a[i]+1
 a
 >>> [1, 2, 3, 4]

或更简单的方式：

a = [0,1,2,3]
a = [i+1 for i in a]
a
>>> [1, 2, 3, 4]

所以在您的情况下：

for df in range(len(combined)):
    combined[df] = pd.concat([combined[df],pd.get_dummies(combined[df].Title)],axis=1)
    combined[df] = combined[df].drop('Title',axis=1)

或更简单的方式（使用迭代器免费编制索引）

combined = [pd.concat([df,pd.get_dummies(df.Title)],axis=1).drop('Title',axis=1) for df in combined]

编辑

似乎您对python中的内存如何工作以及如何更新变量有误解。

让我们a,b = 3,4和l = [a,b]，然后更改a或b将不更改l。一旦创建，它将独立于a和b生存。因此，请串联。因此，更新列表不会更新用于创建列表的变量。您必须将新值分配给变量。为此，由于您不希望列表在使用后存在，因此最好的方法是执行一个功能：

def my_func(df):
    df = pd.concat([df,pd.get_dummies(df.Title)],axis=1)
    df = df.drop('Title',axis=1)
    return df

，然后将其应用于两个数据框：

train_df = my_func(train_df) 
test_df= my_func(test_df)

第二次修改：

那为什么起作用呢？再说一次关于内存如何在python中工作的问题，尤其是迭代器。我们将不详细介绍，但让我们以列表为例（类似于此处的数据框）：

a = [[0,1],[2,3,4]]
for i in a:
    i.pop(0)
a
>>> [[1], [3, 4]]

您看到我们已经修改了列表内的变量。这是因为我们在任何时候都没有创建迭代器的命名副本。我们在内存中修改了当前对象。因此，使用Inplace=True就是这样做的。它是直接修改数据框，而不是创建它的副本。

如何使用for循环在一组数据帧上运行操作？

1 个答案: