如何对字典中存储的多份DataFrame子集批量应用函数？

嘿，别担心重复提问的事儿，咱们直接来解决你的问题～

首先明确说：直接执行result = fun_c(dfs)是不正确的。原因很简单：你的fun_c是预定义的处理单个DataFrame的辅助函数，但你传给它的dfs是一个存储了多个DataFrame的字典，函数没办法直接识别并处理字典里的每个子DataFrame。

下面是几种常见场景的正确做法，你可以根据自己的需求选择：

1. 把每个子DataFrame的处理结果存入新字典 #

如果你想保留原字典的键值对应关系，把每个子DF的处理结果也存在字典里，可以用循环或者字典推导式：

循环写法（更直观） #

results = {}
for key, sub_df in dfs.items():
    # 对每个子DataFrame应用fun_c，结果存入新字典
    results[key] = fun_c(sub_df)

字典推导式（更简洁） #

results = {key: fun_c(sub_df) for key, sub_df in dfs.items()}

2. 合并所有处理后的结果为一个大DataFrame #

如果你的目标是把所有子DF处理完后合并成一个完整的DataFrame，可以先收集所有处理后的子DF，再用pd.concat合并：

import pandas as pd

# 先处理每个子DF，收集到列表中
processed_sub_dfs = [fun_c(sub_df) for sub_df in dfs.values()]
# 合并成大DF，ignore_index=True重置索引
final_result = pd.concat(processed_sub_dfs, ignore_index=True)

3. 逐个处理子DataFrame（无需保存所有结果） #

如果只是需要对每个子DF执行fun_c（比如处理后直接写入文件、输出结果），直接循环处理即可：

for sub_df in dfs.values():
    # 对每个子DF执行fun_c
    fun_c(sub_df)
    # 这里可以追加其他操作，比如写入文件：
    # sub_df_processed = fun_c(sub_df)
    # sub_df_processed.to_csv(f"processed_{key}.csv")

额外补充：如果你的fun_c本身被设计成可以接收字典作为输入（比如内部会遍历字典处理每个DF），那直接传dfs是没问题的，但从常规的“预定义辅助函数”的定位来看，这种情况比较少见，所以还是建议按上面的方式逐个处理字典里的子DataFrame。

内容的提问来源于stack exchange，提问作者john_mon