如何在Python循环中每运行100次后修改DataFrame列索引变量？

核心思路 #

每100次运行对应一列，直接通过当前运行次数计算批次索引就能自动切换列：用当前运行次数 // 100得到列索引i，这样每完成100次运行，i就自动加1，直到覆盖100列（索引从0到99）。

代码实现 #

场景1：逐次循环10000次

如果是在单循环里执行10000次操作，直接用循环变量计算列索引：

total_runs = 10000
batch_size = 100

for run_idx in range(total_runs):
    # 计算当前对应的列索引
    i = run_idx // batch_size
    # 获取当前批次的epsilon_hat列
    current_epsilon = epsilon_hat.iloc[:, i]
    
    # 这里写你的业务逻辑，比如处理d_test_hats等
    # ...

场景2：按批次批量处理

如果是先处理完100次再切换列，可以直接遍历列索引：

batch_size = 100
total_batches = 100  # 10000 / 100 = 100

for i in range(total_batches):
    current_epsilon = epsilon_hat.iloc[:, i]
    # 执行该批次的100次操作
    for _ in range(batch_size):
        # 业务逻辑代码
        # ...

关于字典排序报错的补充 #

既然你已经明确报错原因是字典无法直接用<比较，这里给两个实用解决方法：

• 按字典的某个键排序：

  # 假设每个字典有'target_key'键，按该键值排序
  sorted_dicts = sorted(d_test_hats, key=lambda x: x['target_key'])
  

• 自定义排序规则：根据需求修改key函数即可，比如按多个键组合排序。

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