Pandas无inline选项时，如何批量对多个DataFrame执行shift转换

问题原因 #

你之前的循环操作没生效，核心原因是Python变量赋值的引用机制：

• 遍历[df1, df2]时，循环变量x只是原DataFrame对象的临时引用
• 执行x = x.shift(1)后，x会指向shift返回的新DataFrame对象，但原变量df1、df2仍然指向最初的旧对象，不会被更新
• 另外shift方法确实没有inplace（或你提到的inline）参数，无法原地修改原DataFrame

Pythonic解决方案 #

最符合Python风格的做法是用列表推导式批量处理，直接生成新的DataFrame列表，再重新赋值给原变量：

修改后的代码示例

import pandas as pd
import numpy as np

data1 = {'a':np.random.randint(0, 5, 20), 
        'b':np.random.randint(0, 5, 20), 
        'c':np.random.randint(0, 5, 20)}
data2 = {'foo':np.random.randint(0, 5, 20), 
        'bar':np.random.randint(0, 5, 20), 
        'again':np.random.randint(0, 5, 20)}

df1 = pd.DataFrame(data=data1)
df2 = pd.DataFrame(data=data2)

print("处理前的df1：")
print(df1.head())

# 用列表推导式批量执行shift并重新赋值
df1, df2 = [df.shift(1) for df in [df1, df2]]

print("\n处理后的df1：")
print(df1.head())

如果有更多DataFrame，建议统一放在列表中管理，避免逐个变量赋值：

# 把所有DataFrame存入列表
dfs = [pd.DataFrame(data1), pd.DataFrame(data2)]
# 批量处理
dfs = [df.shift(1) for df in dfs]
# 按需取出使用，比如dfs[0]、dfs[1]

补充说明 #

• 列表推导式是Python中处理批量转换的标准简洁写法，比显式for循环更易读、高效
• 由于shift只能返回新对象，必须通过重新赋值的方式更新原变量，这是Pandas immutable设计的特性

内容的提问来源于stack exchange，提问作者Tom