如何使用过滤函数处理多个DataFrame并生成DataFrame列表

先排查核心问题 #

• 确认dfs是有效的可迭代DataFrame集合：先打印len(dfs)和type(dfs)，如果它不是列表/可迭代的DataFrame容器（比如是字典、生成器），循环逻辑会直接失效。
• 检查过滤结果是否为空：如果某个df里没有匹配正则的列，df.filter(...)会返回空DataFrame，看似没追加，实际是追加了空对象。可以在循环里加print(filtered_df.shape)验证。

修正后的代码方案 #

方案1：只追加非空的过滤结果 #

如果需要跳过无匹配列的DataFrame，用以下代码：

out = []
for df in dfs:
    filtered_df = df.filter(regex=r"key|words|find(?=[^\d]|$)")
    if not filtered_df.empty:
        out.append(filtered_df)

方案2：先把dfs转为标准列表 #

如果你的dfs不是列表（比如来自字典值、生成器），先转成列表再处理：

# 先将dfs转为列表
dfs_list = list(dfs)
out = [df.filter(regex=r"key|words|find(?=[^\d]|$)") for df in dfs_list]

方案3：用列表推导式简化逻辑 #

列表推导式比循环+append更稳定，也更简洁：

# 带非空判断的版本
def filter_target_df(df):
    return df.filter(regex=r"key|words|find(?=[^\d]|$)")

out = [filtered_df for df in dfs if not (filtered_df := filter_target_df(df)).empty]

额外验证手段 #

• 生成列表后，打印len(out)确认数量是否符合预期；
• 遍历out打印type(item)，确保每个元素都是pandas.DataFrame；
• 检查正则是否准确：如果关键词需要忽略大小写，给filter加flags=re.IGNORECASE参数，比如df.filter(regex=r"key|words|find(?=[^\d]|$)", flags=re.IGNORECASE)

内容的提问来源于stack exchange，提问作者user18708380