python - 如何使用 for 循环对一组数据帧运行操作？

Question

这是我遇到的一个普遍问题，但我将使用泰坦尼克号数据集作为示例。为了允许同时在训练集和测试集上进行操作，我将它们组合起来:

combined = [train_df, test_df]

我还简化了每位乘客的标题，因此现在每个乘客都是 8 种可能性之一。对于 train_df 和 test_df，我现在想为“标题”列制作虚拟对象，将它们添加到数据帧中，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，这些操作确实有效，但是当运行 for 循环时，什么也没有发生。我错过了什么？

Answer 1

这不起作用，因为您正在修改列表中变量的副本，并且永远不会将其分配回列表中。

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]

或者以更简单的方式:

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

所以在你的情况下:

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)

或者以更简单的方式(使用迭代器释放索引)

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

编辑

您似乎对 python 中的内存如何工作以及如何更新变量存在误解。

假设a,b = 3,4 和l = [a,b]，那么改变a 或b 将不会改变l 。一旦创建，它将独立于 a 和 b 生活。你也会串联。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，所以最好的方法是执行一个函数:

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

然后将其应用到两个数据帧:

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

第二次编辑:

那为什么它有效呢？又是一个关于 python 中内存如何工作的问题，尤其是迭代器。我们不会详细介绍，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]]

你看到我们已经修改了列表中的变量。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 正是这样做的。它直接修改数据帧，而不是创建它的副本。