Pandas中为多个DataFrame批量添加datetime列，循环修改无效怎么办？

我之前也碰到过完全一样的坑！遍历DataFrame列表时直接修改，结果列表里的DataFrame压根没变化，这其实是没搞明白Pandas对象的引用和赋值逻辑导致的。不过有几种靠谱的方法能批量实现这个需求，不用逐个手动处理：

方法1：用列表推导式生成新列表（最推荐） #

这是最简洁直观的方式，遍历原列表时给每个DataFrame添加列，直接生成包含修改后对象的新列表：

import pandas as pd
from datetime import datetime

# 假设你的DataFrame列表是df_list
df_list = [pd.DataFrame({'col1': [1, 2]}), pd.DataFrame({'col1': [3, 4]})]

# 批量添加datetime列，这里用当前时间举例，可替换为你的时间逻辑
df_list = [df.assign(datetime=datetime.now()) for df in df_list]

assign()方法会返回一个新的DataFrame，所以列表推导式直接帮你完成了所有修改和替换，完全避开了引用问题。

方法2：通过索引直接修改原列表中的对象 #

如果你不想生成新列表，想直接修改原列表里的DataFrame，一定要通过列表索引来操作，这样才能确保修改的是列表里存储的原对象：

for idx in range(len(df_list)):
    # 直接给原DataFrame添加列
    df_list[idx]['datetime'] = datetime.now()
    # 或者用assign重新赋值回去
    # df_list[idx] = df_list[idx].assign(datetime=datetime.now())

这里的关键是别直接遍历循环变量——循环里的df只是原对象的一个临时引用，有些操作会生成副本，导致修改无法同步回列表里的原元素，用索引访问就不会有这个问题。

方法3：用函数式编程批量处理 #

如果你习惯函数式写法，也可以用map()来批量处理：

def add_datetime_column(df):
    df['datetime'] = datetime.now()
    return df

df_list = list(map(add_datetime_column, df_list))

原理和列表推导式差不多，都是对每个DataFrame处理后返回新的列表。

既然你已经解决了问题，想必也是用了类似的思路吧？这种批量处理DataFrame的场景，核心就是要确保修改的是列表中实际存储的对象，或者生成新列表替换原列表就好。

内容的提问来源于stack exchange，提问作者ekazubuike