如何循环遍历Pandas DataFrame列并为每列创建新DataFrame执行函数

你需要遍历一个多列的Pandas DataFrame，为每列生成单独的DataFrame后执行处理函数，以下是优化的实现方案：

示例数据 #

date                   Col1      Col2       Col3      Col4           
1990-01-02 12:00:00     24        24        24.8      24.8           
1990-01-02 01:00:00     59        58        60        60.3   
1990-01-02 02:00:00     43.7      43.9      48        49

现有单列处理代码 #

df_new = pd.DataFrame(df['Col1'])
df.reset_index(inplace=True)

def function1(df_new):
    line 1
    line 2

def function2():
    line 1
    line 2

优化后的循环实现 #

你的思路方向是对的，这里给出更稳健、易维护的实现方式：

import pandas as pd

# 假设你的原始DataFrame为df，date列为索引
processed_data = {}

# 整合处理逻辑到单个函数，方便复用和维护
def process_column(col_df, col_name):
    # 重置索引，避免inplace操作修改原数据
    col_df = col_df.reset_index()
    # 执行function1的逻辑
    # function1(col_df)
    # 执行function2的逻辑（如需参数可调整函数定义）
    # function2()
    # 示例操作：添加列名标识（可按需删除）
    col_df['processed_column'] = col_name
    return col_df

# 遍历所有列
for col in df.columns:
    # 生成仅包含当前列的DataFrame
    single_col_df = df[[col]]
    # 处理当前列
    result_df = process_column(single_col_df, col)
    # 保存处理结果（不需要可删除此步骤）
    processed_data[col] = result_df

# 查看处理后的结果示例
print(processed_data['Col1'])

关键优化点 #

• 避免inplace操作：reset_index()不使用inplace=True，而是重新赋值，防止意外修改原DataFrame的数据
• 封装处理逻辑：将分散的function1、function2整合到单个处理函数中，代码结构更清晰，便于后续修改和调试
• 结果存储：用字典存储每列的处理结果，方便后续按列名快速调用，无需重复处理
• 变量一致性：注意原框架中df_full应为df（假设是笔误），确保循环中变量名统一

内容的提问来源于stack exchange，提问作者A Newbie