使用列表推导式对DataFrame做标量运算时如何保留非数值列

列丢失的原因是select_dtypes(include=['number'])仅会返回筛选后的数值类型列，非数值的date列被直接排除在返回结果之外，因此最终结果中不存在这一列。

解决方案1：单行列表推导式实现 #

使用assign方法仅更新指定列，保留所有原始列：

dfs = [df.assign(**{col: df[col] * 100 for col in df.select_dtypes(include=['int']).columns}) for df in dfs]

该写法通过字典推导式批量提取所有int类型列做乘100运算，assign方法会保留原DataFrame的所有非数值列，仅更新指定的数值列。

解决方案2：封装为工具函数（可读性更高） #

如果列表推导式太长可读性差，可以封装为独立函数处理，同时支持避免修改原始DataFrame：

def process_df(df, multiplier=100):
    # 提取所有int类型列名
    int_cols = df.select_dtypes(include=['int']).columns
    # 复制原对象避免修改源数据，不需要保留原数据可删除这一行
    df = df.copy()
    df[int_cols] *= multiplier
    return df

dfs = [process_df(df) for df in dfs]

如果你的场景允许修改原始DataFrame，可以删除df.copy()这一行，执行性能会更好。

内容的提问来源于stack exchange，提问作者Anirban Nag 'tintinmj'