函数内循环处理DataFrame列生成哑变量，原DataFrame未更新求助

你写的函数之所以没修改原DataFrame，核心是Python的变量引用机制：

• 函数接收的df是外部DataFrame的引用，但当执行df = pd.concat([df, temp_dum], axis=1)时，局部变量df被重新绑定到了pd.concat生成的新DataFrame对象上，和外部传入的原df彻底断开了关联。
• 后续对这个局部df的修改（比如drop）都只作用在新对象上，原DataFrame完全没被改动。

方法1：让函数返回修改后的DataFrame，外部重新赋值 #

修改函数，最后返回处理后的df，调用时覆盖原变量：

def cols_to_dummies(df, cols: list):
    for c in cols:
        temp_dum = pd.get_dummies(df[str(c)])
        df = pd.concat([df, temp_dum], axis=1)
        df.drop(str(c), axis=1, inplace=True)
    return df

调用方式：

cols = ['column1', 'column2']
df = cols_to_dummies(df, cols)  # 用返回的新df覆盖原变量

方法2：一次性生成所有哑变量（更简洁高效） #

没必要循环处理每一列，pd.get_dummies支持直接传入列列表，一次性生成所有指定列的哑变量，代码更简洁：

def cols_to_dummies(df, cols: list):
    # 生成指定列的哑变量，给每个列的哑变量加上前缀区分
    dummies = pd.get_dummies(df[cols], prefix=cols)
    # 合并原df（移除指定列）和哑变量
    return df.drop(cols, axis=1).join(dummies)

调用方式和方法1一样：

cols = ['column1', 'column2']
df = cols_to_dummies(df, cols)

内容的提问来源于stack exchange，提问作者Egorsky