如何使用pandas对多个DataFrame批量执行相同操作

首先建议将所有待处理的DataFrame存入统一列表，后续只需修改一处逻辑即可同步作用于所有对象，无需为单个变量重复写代码。

完整实现步骤 #

1. 引入依赖并转换示例数据为DataFrame格式

import pandas as pd

# 示例数据转DataFrame，你的18个DataFrame可沿用原有生成逻辑
a = pd.DataFrame([[1,3], [2,1], [3,4]], columns=['col1', 'col2'])
b = pd.DataFrame([[1,6], [2,9], [3,2]], columns=['col1', 'col2'])
c = pd.DataFrame([[1,5], [2,8], [3,9]], columns=['col1', 'col2'])

2. 将所有待处理DataFrame存入列表

# 18个DataFrame全部添加到该列表即可
dfs = [a, b, c]

3. 批量新增第三列

写法1：可读性最高的循环写法（推荐） #

for df in dfs:
    # 若第二列有固定列名，可写为 df['col3'] = df['你的第二列列名'] * 4
    df['col3'] = df.iloc[:, 1] * 4

DataFrame属于可变对象，上述操作会直接修改原变量a/b/c的内容，无需额外重新赋值。

写法2：单行实现 #

如果需要单行完成批量操作，可使用列表推导式：

# 写法1：直接修改原对象
[setattr(df, 'col3', df.iloc[:,1]*4) for df in dfs]

# 写法2：生成新的DataFrame列表，不修改原变量
new_dfs = [df.assign(col3=df.iloc[:,1]*4) for df in dfs]

效果验证 #

操作完成后直接输出原变量即可看到新增列：

print(a)

输出结果：

col1  col2  col3
0     1     3    12
1     2     1     4
2     3     4    16

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