为何遍历Pandas DataFrame时部分操作不生效？如何批量处理？

为什么rename循环后原DataFrame没变化？ #

Pandas的rename()方法默认返回一个新的DataFrame对象，不会直接修改原对象。在你的循环代码里：

for df in [this, that]:
    df = df.rename(columns={'text': 'content'})

这里的df只是循环里的临时变量，赋值操作只是让df指向了新生成的DataFrame，而原本的this和that还是指向最初创建的原始对象，所以外部看不到任何变化。

而新增列的操作df['content'] = df.text之所以有效，是因为这是直接对原DataFrame对象进行原地修改——DataFrame属于可变对象，这种索引赋值会直接修改变量指向的底层数据，所以原this和that会同步更新。

批量处理DataFrame的几种方法 #

方法1：用inplace=True原地修改 #

直接在rename里指定inplace=True，让方法直接修改原对象，不需要额外赋值：

import pandas as pd

this = pd.DataFrame({'text': ['Hello World']})
that = pd.DataFrame({'text': ['Hello Gurl']})

for df in [this, that]:
    df.rename(columns={'text': 'content'}, inplace=True)

这种方式最直接，适合简单的原地修改操作。

方法2：收集处理后的对象并重新赋值 #

如果需要保留原始数据，不想修改原对象，可以把处理后的新DataFrame收集到列表里，再重新赋值给原来的变量：

import pandas as pd

this = pd.DataFrame({'text': ['Hello World']})
that = pd.DataFrame({'text': ['Hello Gurl']})

# 批量处理并收集结果
processed_dfs = [df.rename(columns={'text': 'content'}) for df in [this, that]]
# 重新赋值给原变量
this, that = processed_dfs

方法3：定义处理函数，用map批量应用 #

如果处理逻辑比较复杂（比如同时要重命名、删除列、新增计算列），可以封装成函数，再用map批量处理：

import pandas as pd

this = pd.DataFrame({'text': ['Hello World']})
that = pd.DataFrame({'text': ['Hello Gurl']})

def process_dataframe(df):
    # 可添加更多处理逻辑
    df_processed = df.rename(columns={'text': 'content'})
    df_processed['length'] = df_processed['content'].str.len()
    return df_processed

# 批量处理并重新赋值
this, that = map(process_dataframe, [this, that])

内容的提问来源于stack exchange，提问作者Zwiebak