pandas如何遍历DataFrame列表实现原DataFrame同步更新？

问题核心原因 #

• Python中的变量是对内存对象的引用。你把初始的df1、df2、df3放进列表后，列表槽位存的是这些原始DataFrame的引用；当你给列表槽位赋值为dropunnamednancols返回的新裁剪后DataFrame时，只是列表槽位的引用指向了新对象，原来的df1、df2、df3变量仍然指向初始的旧DataFrame对象，自然不会同步更新列删除的结果。
• 当前的循环写法存在语法错误：enumerate()会返回(索引值, 元素值)格式的二元组，直接把元组赋值给index变量、拿元组作为列表索引的写法无法正常运行，属于编写时的笔误。

解决方案 #

方案1：优先用列表统一管理所有DataFrame

零散命名的多份同类型DataFrame本身就适合用列表集中管理，不需要依赖单独命名的变量。修正循环的索引逻辑，把处理后的结果放回列表即可：

dfsublist = [df1, df2, df3]
# 正确拿到每个元素的列表索引，完成处理后更新列表槽位
for i in range(len(dfsublist)):
    dfsublist[i] = dropunnamednancols(dfsublist[i])

处理完成后，所有裁剪后的DataFrame都存在dfsublist中，需要使用时直接按索引取值即可，从根源上避免多变量引用不同步的问题。

方案2：需要原变量同步更新时，将处理逻辑改为原地修改

如果确实需要保留df1、df2、df3作为独立变量访问，就需要修改dropunnamednancols函数，不要在函数内生成新的DataFrame对象，而是直接对传入的原始DataFrame执行列删除操作（使用inplace=True触发原地修改）。所有引用这个原对象的变量（包括独立的df1/df2/df3、列表内的元素）都会同步看到修改结果。
修改后的函数：

def dropunnamednancols(df):
    """
    删除列名为空、以及以Unnamed开头的无用列
    """
    # 找到列名为空的列，原地删除
    nan_cols = df.columns[df.columns.isnull()]
    df.drop(columns=nan_cols, inplace=True)
    # 找到Unnamed开头的列，原地删除（na=False避免列名空值时报错）
    unnamed_cols = df.columns[df.columns.str.contains('^Unnamed', na=False)]
    df.drop(columns=unnamed_cols, inplace=True)

对应的遍历代码可以简化为：

dfsublist = [df1, df2, df3]
for df in dfsublist:
    dropunnamednancols(df)

这种写法下，函数直接修改传入的原始DataFrame，原本的df1、df2、df3作为原对象的引用，会同步完成列删除，和列表内的内容保持一致。

补充说明：pandas 2.0版本后逐步弱化inplace参数的使用，如果不想依赖inplace，也可以在拿到处理后的DataFrame后，手动把原变量重新绑定到处理结果上，但这种写法耦合性高，不推荐作为常规实现。

内容的提问来源于stack exchange，提问作者haphaZard