如何在Python for循环中同时迭代DataFrame及其索引构建二维矩阵？

问题背景 #

现有读取CSV文件并存储为DataFrame列表的代码：

path_real = r'C:/Users/SLR CSV'
all_files_real = glob.glob(os.path.join(path , "2*.csv.zip"))

list_real = []

for filename in all_files_real:
    df_real = pd.read_csv(filename, index_col=None, header=0, sep=';')
    list_real.append(df_real)

在遍历list_real进行计算时，当前代码框架如下：

for lst in list_real :
    lst=datareal
    # 一些计算代码
    a=[]
    
    # 另一个循环
         b=x/zzz
         a.append(b)

需要在外层for循环中同时获取每个DataFrame（lst）以及它在list_real中的索引序号，这样就能把每个DataFrame计算得到的列表a作为列赋值到二维matrix中，实现类似以下的操作：

for i in range (row):
        matrix[i][col]=a[i]

解决方案 #

直接使用Python内置的enumerate()函数即可，它能在遍历可迭代对象时同时返回索引序号和对应元素。

修改后的外层循环代码如下：

# 假设matrix已经提前初始化好，行数与a的长度一致，列数等于list_real的长度
for idx, datareal in enumerate(list_real):
    # 一些计算代码
    a = []
    
    # 另一个循环，生成a列表（示例逻辑）
    for x, zzz in zip(some_x_list, some_zzz_list):
        b = x / zzz
        a.append(b)
    
    # 将a作为第idx列赋值到matrix中
    for i in range(len(a)):
        matrix[i][idx] = a[i]

关键说明 #

• enumerate(list_real)会返回迭代器，每次迭代产出元组(索引序号, 对应的DataFrame)
• 把原代码中lst=datareal的赋值逻辑调整为直接从enumerate获取datareal，避免变量混淆
• 索引序号idx可直接作为matrix的列号，完成对应列的赋值操作

内容的提问来源于stack exchange，提问作者beginner