如何批量对多个Pandas DataFrame执行相同格式化代码？函数调用无效问题排查

你遇到的问题核心是Python中变量赋值的本质是对象引用的绑定，而非直接修改原对象。咱们一步步拆解：

1. 当你创建list_of_datasets = [df1, df2, df3]时，列表里存储的是df1、df2、df3这些DataFrame对象的引用。
2. 在循环for dataframe in list_of_datasets:中，dataframe是一个临时变量，它暂时绑定了列表中每个元素的引用。
3. 执行dataframe = my_func(dataframe)时，你并没有修改原列表中的引用，而是把dataframe这个临时变量重新绑定到了my_func返回的新DataFrame对象上。原有的df1、df2、df3以及列表里的旧引用完全没被改变——这就是为什么手动逐个赋值有效，循环调用却没效果的原因。

方案1：用列表推导式生成新数据集列表（推荐） #

这种方式简洁直观，直接生成包含处理后新对象的列表，还能顺便更新原变量：

# 生成处理后的数据集列表
processed_dfs = [my_func(df) for df in [df1, df2, df3]]
# 如果需要更新原df1、df2、df3变量，直接解包即可
df1, df2, df3 = processed_dfs

方案2：通过索引直接更新列表元素 #

如果你需要保留原列表并逐步更新，可以通过索引操作修改列表中的引用：

list_of_datasets = [df1, df2, df3]
for i in range(len(list_of_datasets)):
    # 直接把列表对应位置的引用替换为处理后的新对象
    list_of_datasets[i] = my_func(list_of_datasets[i])
# 同样，需要更新原变量的话解包
df1, df2, df3 = list_of_datasets

补充：为什么手动赋值有效？ #

当你手动执行df1 = my_func(df1)时，是直接把df1这个变量重新绑定到了新的DataFrame对象上，相当于直接替换了原变量的引用——而循环中的临时变量做不到这一点，因为它只是列表元素的“临时替身”，重新赋值不会影响原变量或列表里的旧引用。

内容的提问来源于stack exchange，提问作者James S