Python遍历多个DataFrame重命名列触发不可哈希错误如何解决

Python 要求字典的键必须是可哈希的不可变对象（比如整数、字符串、元组等），而 Pandas DataFrame 是可变对象，内部数据修改后哈希值会变化，因此不允许作为字典的键使用，这就是你抛出TypeError的根本原因。

把原来用 DataFrame 做键的字典，改成存储「DataFrame 对象、对应新列名」配对的列表即可，不需要改动clean_col函数的逻辑，只需要调整映射结构和遍历方式：

修改后的代码 #

# 替换原来的字典d，改用列表存储配对关系
df_map = [
    (all_df, "all"),
    (coal_df, "coal"),
    (liquids_df, "liquids"),
    (coke_df, "coke"),
    (natural_gas_df, "natural_gas"),
    (nuclear_df, "nuclear"),
    (hydro_electricity_df, "hydro"),
    (wind_df, "wind"),
    (utility_solar_df, "utility_solar"),
    (geothermal_df, "geo_thermal"),
    (wood_biomass_df, "biomass_wood"),
    (biomass_other_df, "biomass_other"),
    (other_df, "other"),
    (solar_all_df, "all_solar"),
]

# 遍历执行清洗
for df, col_name in df_map:
    clean_col(df, col_name)

可选优化（提升性能） #

原函数中用apply+lambda 转整数的写法性能较低，你可以替换为更高效的内置方法：

def clean_col(df,col_name):
    df.reset_index(inplace=True)
    df.rename(columns={df.columns[0]:'Date', df.columns[1]: col_name},inplace=True)
    # 替换原来的apply写法，性能提升10倍以上
    df[col_name] = df[col_name].astype(int)
    # 如果存在脏数据，可用以下写法自动处理非数字值为NaN，再转可空整数类型
    # import pandas as pd
    # df[col_name] = pd.to_numeric(df[col_name], errors='coerce').astype('Int64')

内容的提问来源于stack exchange，提问作者Shawn Jamal