Pandas处理多不同列名DataFrame 大于阈值x的数值减x实现问题

核心逻辑：无需匹配各DataFrame的列名，仅针对数值类型列做条件运算，非数值列自动保留原始内容，适配列名不固定的场景。

实现代码 #

1. 定义阈值和单表处理函数 #

import pandas as pd

# 设定阈值
x = 10000000000000

def process_single_df(df, threshold):
    # 自动筛选所有数值类型列，排除字符串、日期等非数值列
    numeric_cols = df.select_dtypes(include='number').columns
    # 数值列满足>阈值则减阈值，否则保留原值
    df[numeric_cols] = df[numeric_cols].where(df[numeric_cols] <= threshold, df[numeric_cols] - threshold)
    return df

2. 批量处理20个DataFrame #

将所有待处理的DataFrame存入列表后批量调用处理函数即可：

# 示例：将20个DataFrame放入列表，可根据实际读入逻辑调整
df_list = [df1, df2, df3, ..., df20]
# 批量处理
processed_df_list = [process_single_df(df, x) for df in df_list]

效果验证 #

以给出的示例数据为例，处理后结果符合预期：

• 第一个df中大于阈值的ID列数值会自动减去阈值，Name、DOB列保持不变
• 第二个df中大于阈值的Office列数值会自动减去阈值，Group、OrderNum列保持不变
  所有小于阈值的数值、非数值列均不会被修改。

内容的提问来源于stack exchange，提问作者Messak