Pandas中如何为多列分组命名并批量应用函数？

完全可以实现，核心思路是先把需要处理的多列集合定义成一个变量，之后直接用这个变量指代列组来操作，避免重复写一长串列名。下面是几种实用的实现方式：

1. 直接定义列组变量（最常用） #

先把目标列名存成一个变量，后续所有操作都直接引用这个变量：

# 定义你的列组，把所有需要的列名列出来，也可以用生成式简化（比如列名是One到Sixty的话）
target_cols = ['One', 'Two', ..., 'Sixty']  # 或者用循环生成：[f'Col{i}' for i in range(1,61)]

# 对列组应用你需要的函数
df[target_cols] = df[target_cols].apply(lambda x: x.astype(str).str.lower())

2. 封装处理函数应对多步骤操作 #

如果要给列组应用多个函数，把处理逻辑封装成单独的函数会更清晰：

def process_target_cols(col):
    # 这里可以添加多个处理步骤
    col = col.astype(str).str.lower()
    col = col.str.strip()  # 比如再加个去除首尾空格的操作
    return col

target_cols = ['One', 'Two', ..., 'Sixty']
df[target_cols] = df[target_cols].apply(process_target_cols)

3. 用字典管理多组列（适合复杂场景） #

如果有多个不同的列组需要分别处理，可以把它们存在字典里，方便分类管理：

column_groups = {
    'lowercase_group': ['One', 'Two', ..., 'Sixty'],
    'numeric_process_group': ['ColA', 'ColB', 'ColC']
}

# 对lowercase_group列组应用函数
df[column_groups['lowercase_group']] = df[column_groups['lowercase_group']].apply(lambda x: x.astype(str).str.lower())

这样不管列数量有多少，只要提前定义好列组变量，后续操作就会非常简洁，完全符合你想要的效果。

内容的提问来源于stack exchange，提问作者Anya Pilipentseva