遍历DataFrame字典实现列保留筛选时'string indices must be integers'报错的原因
报错成因解析
- 直接触发报错的核心原因:直接遍历字典对象时,迭代拿到的是字典的键,也就是
"df1"、"df2"、"df3"这类字符串值,不是你存在字典里的DataFrame对象。你对字符串执行df[features]操作,本质是给字符串传入字符串列表作为索引,而字符串仅支持整数位置的索引取值,因此直接抛出string indices must be integers的报错。 - 你逻辑中存在的隐藏失效问题:就算修正遍历方式拿到了真正的DataFrame,循环内写
df = df[features]也无法修改原字典的内容。这里的df只是循环创建的临时变量,给它重新赋值为筛选后的新DataFrame,仅改变了临时变量的指向,原字典对应键存储的原始DataFrame引用不会产生任何变化。
符合规则的实现方案
根据要求,实现过程不能使用drop删除无关列,必须通过df[features]的列索引方式完成筛选,正确代码如下:
def select_columns(dict_of_dfs, features): # 遍历字典的所有键,通过键获取对应存储的DataFrame for df_key in dict_of_dfs.keys(): # 将筛选后的结果直接赋值回原字典的对应位置 dict_of_dfs[df_key] = dict_of_dfs[df_key][features]
调用方式和你之前的写法完全一致:
select_columns(dict_of_dfs, features)
方案的合规性说明:
- 遍历过程通过字典键取值,拿到的是真正的DataFrame对象,不会触发字符串索引报错
- 列筛选操作完全通过
df[features]的列索引方式完成,未使用drop方法 - 筛选结果直接写回原字典对应位置,不存在临时变量修改不生效的问题
内容的提问来源于stack exchange,提问作者weare138
相关产品推荐
相关产品推荐

