Python循环中透视DataFrame无效的问题求助

你遇到的问题核心是Python变量引用的机制：

• 循环里的df只是df_list中元素的临时引用，当你执行df = df.pivot(...)时，只是让这个临时变量指向了新生成的透视DataFrame，并没有修改原列表里的原始DataFrame对象。
• 之前用带inplace=True的drop等操作有效，是因为这类操作会直接修改原DataFrame对象本身，循环里的临时引用指向的是同一个对象，所以修改会同步到列表中；但pivot方法不会修改原对象，而是返回一个全新的DataFrame。

解决方案 #

方法1：列表推导式（推荐，简洁高效） #

直接生成一个包含所有透视后DataFrame的新列表，替换原df_list：

df_list = [df.pivot(index='Time', columns='Value', values='hist') for df in df_list]

这个方法处理2万多个DataFrame也很高效，代码简洁易读。

方法2：通过索引循环修改原列表 #

如果需要原地修改原列表，用索引遍历，直接替换列表中的元素：

for i in range(len(df_list)):
    df_list[i] = df_list[i].pivot(index='Time', columns='Value', values='hist')

验证示例 #

以你给出的原始DataFrame为例：
原始结构：

Time        Value    hist
11:14:23    2.0      12
11:14:23    1.5      78
11:14:23    1.0      31

执行上述任意一种方法后，每个DataFrame都会被转换为期望的结构：

Time      1.0      1.5      2.0
11:14:23  31       78       12

内容的提问来源于stack exchange，提问作者Francisco Barroca