如何使用for循环在一组数据帧上运行操作？

Question

这是我遇到的一般问题，但我将以泰坦尼克号数据集为例。为了允许在列车和测试装置上进行操作，我将它们组合在一起：

combined = [train_df, test_df]

我还简化了每位乘客的头衔，因此现在每个人都有8种可能性。对于train_df和test_df，我现在想要为“标题”列制作虚拟对象，将它们添加到数据框中，然后删除原始的“标题”列。我提出的代码是：

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，这些操作会起作用，但是当运行for循环时，没有任何事情发生。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]

你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

看起来你对python中的内存如何工作以及如何更新变量有误解。

让我们拿a,b = 3,4和l = [a,b]然后改变a或b不会改变l。一旦创建，它将独立于a和b生活。所以你会连接吗？因此，更新列表不会更新用于创建的变量。您必须将新值分配给变量。要这样做，因为您不希望列表在使用后存在，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帧：

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

第二编辑：

那它为什么有效呢？好吧再一个问题是内存如何在python中工作，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]]

您看到我们已修改列表中的变量。这是因为我们没有在任何时候创建迭代器的命名副本。我们在内存中修改了当前对象。所以使用Inplace=True正是这样做的。它正在直接修改数据框，而不是创建它的副本。