Python：为DataFrame列表批量添加指定列的循环问题

我完全懂你遇到的困扰——手动处理少量DataFrame时能精准对应日期，但批量循环时要么所有DataFrame都被加上了最后一个日期，要么全用了第一个，根本没做到一一匹配。别担心，这大概率是循环时没正确关联索引导致的，下面我给你一步步解决：

1. 先模拟你的场景 #

先创建几个示例DataFrame和对应的日期数组，还原你的问题场景：

import pandas as pd

# 模拟DataFrame列表
df_list = [
    pd.DataFrame({'value': [1,2,3]}),
    pd.DataFrame({'value': [4,5,6]}),
    pd.DataFrame({'value': [7,8,9]}),
    pd.DataFrame({'value': [10,11,12]})
]

# 要匹配的日期数组
dates = ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04']

2. 常见的错误循环（就是你现在遇到的问题） #

很多人会这么写，但结果会不符合预期：

# 错误示例1：若循环逻辑没对齐，可能出现错位或覆盖
for df, date in zip(df_list, dates):
    df['date'] = date

# 错误示例2：嵌套循环导致所有DataFrame被覆盖成最后一个日期
for i in range(len(dates)):
    for df in df_list:
        df['date'] = dates[i]

第一种如果是因为引用传递的细节可能偶尔看似正常，但一旦数据规模变化就容易出错；第二种则是明显的循环逻辑错误，把所有DataFrame都反复赋值成当前循环的日期，最后全变成了最后一个值。

3. 正确的实现方式：用enumerate关联索引 #

我们需要同时遍历DataFrame列表的索引和对应的DataFrame，这样就能精准取到日期数组中对应位置的日期：

# 方法一：直接修改原列表中的DataFrame（原地修改）
for idx, df in enumerate(df_list):
    # 根据索引取对应日期，插入新列
    df['date'] = dates[idx]

# 验证结果：每个DataFrame的date列都是对应的日期
for df in df_list:
    print(df)

如果你不想修改原DataFrame，而是创建新的列表保存结果（更安全，避免误改原数据），可以这么做：

# 方法二：创建新的DataFrame列表，不修改原数据
new_df_list = []
for idx, df in enumerate(df_list):
    # 复制原DataFrame并添加新列
    new_df = df.copy()
    new_df['date'] = dates[idx]
    new_df_list.append(new_df)

4. 关键要点 #

• 核心是通过索引一一对应：确保每个DataFrame的索引和日期数组的索引完全匹配，这样就不会出现错位
• 记得先做长度校验，避免索引越界：

  if len(df_list) != len(dates):
      raise ValueError("DataFrame列表和日期数组长度不匹配！")
  

这样处理后，不管你的数据集有多大，都能精准给每个DataFrame匹配对应的日期列啦～

内容的提问来源于stack exchange，提问作者santorch